論文の概要: Age-Oriented Face Synthesis with Conditional Discriminator Pool and Adversarial Triplet Loss

• arxiv url: http://arxiv.org/abs/2007.00792v2
• Date: Fri, 3 Jul 2020 23:31:58 GMT
• ステータス: 処理完了
• システム内更新日: 2022-11-14 23:19:39.481680
• Title: Age-Oriented Face Synthesis with Conditional Discriminator Pool and Adversarial Triplet Loss
• Title（参考訳）: 条件付き判別器プールと逆三重項損失を用いた年齢指向顔合成
• Authors: Haoyi Wang, Victor Sanchez, Chang-Tsun Li
• Abstract要約: 本稿では,強い恒常性を持つ高合成精度を実現するために,年齢指向の顔合成タスクを提案する。 本手法は,複数の識別器からなる新しいコンディションディスクリミネータプール(CDP)を用いて,モード崩壊問題に対処する。 高い恒常性を実現するために,本手法では,新しい逆三重項損失を用いる。
• 参考スコア（独自算出の注目度）: 39.94126642748073
• License: http://creativecommons.org/licenses/by-nc-sa/4.0/
• Abstract: The vanilla Generative Adversarial Networks (GAN) are commonly used to generate realistic images depicting aged and rejuvenated faces. However, the performance of such vanilla GANs in the age-oriented face synthesis task is often compromised by the mode collapse issue, which may result in the generation of faces with minimal variations and a poor synthesis accuracy. In addition, recent age-oriented face synthesis methods use the L1 or L2 constraint to preserve the identity information on synthesized faces, which implicitly limits the identity permanence capabilities when these constraints are associated with a trivial weighting factor. In this paper, we propose a method for the age-oriented face synthesis task that achieves a high synthesis accuracy with strong identity permanence capabilities. Specifically, to achieve a high synthesis accuracy, our method tackles the mode collapse issue with a novel Conditional Discriminator Pool (CDP), which consists of multiple discriminators, each targeting one particular age category. To achieve strong identity permanence capabilities, our method uses a novel Adversarial Triplet loss. This loss, which is based on the Triplet loss, adds a ranking operation to further pull the positive embedding towards the anchor embedding resulting in significantly reduced intra-class variances in the feature space. Through extensive experiments, we show that our proposed method outperforms state-of-the-art methods in terms of synthesis accuracy and identity permanence capabilities, qualitatively and quantitatively.
• Abstract（参考訳）: vanilla Generative Adversarial Networks (GAN) は、一般的に、老朽化と再生した顔を描いた現実的な画像を生成するために使用される。 しかし、年齢指向の顔合成タスクにおけるこのようなバニラGANの性能は、モード崩壊問題によってしばしば損なわれる。 さらに、近年の年齢指向顔合成法では、L1またはL2制約を用いて合成顔の識別情報を保存し、これらの制約が自明な重み付け因子に関連付けられている場合に、暗黙的に恒常性を制限している。 本稿では,年齢指向顔合成タスクにおいて,高い同一性を持つ高い合成精度を実現する手法を提案する。 具体的には,高い合成精度を達成するために,複数の識別器からなる新しい条件付き判別器プール(cdp)を用いて,それぞれが特定の年齢カテゴリを対象とするモード崩壊問題に取り組む。 強い同一性持続能力を達成するために,新しい逆三重項損失を用いる。 この損失はトリプルト損失に基づいており、アンカー埋め込みへの正の埋め込みをさらに引くようにランキング演算を加え、特徴空間におけるクラス内分散を著しく減少させる。 実験により,提案手法は, 定性的かつ定量的に, 合成精度と恒常性を両立させ, 最先端の手法より優れていることを示す。

関連論文リスト

• ID$^3$: Identity-Preserving-yet-Diversified Diffusion Models for Synthetic Face Recognition [60.15830516741776]
  合成顔認識(SFR)は、実際の顔データの分布を模倣するデータセットを生成することを目的としている。 拡散燃料SFRモデルであるtextID3$を紹介します。 textID3$はID保存損失を利用して、多様だがアイデンティティに一貫性のある顔の外観を生成する。
  論文  参考訳（メタデータ） (2024-09-26T06:46:40Z)
• Cross-Age Contrastive Learning for Age-Invariant Face Recognition [29.243096587091575]
  年齢差の顔画像は一般的に収集が困難で費用がかかる。 異なる年齢の同じ被験者の画像は通常入手が困難または不可能である。 クロスエイジコントラスト学習(CACon)という,新たな半教師付き学習手法を提案する。
  論文  参考訳（メタデータ） (2023-12-18T13:41:21Z)
• When Age-Invariant Face Recognition Meets Face Age Synthesis: A Multi-Task Learning Framework and A New Benchmark [45.31997043789471]
  MTLFaceは、モデル解釈のための表情合成を行いながら、年齢不変の識別関連表現を顔認識のために学習することができる。 我々は、年齢と性別のアノテーションを備えた大規模な顔データセットと、長寿児の追跡に特化して設計された新しいベンチマークをリリースする。
  論文  参考訳（メタデータ） (2022-10-17T07:04:19Z)
• Delving into High-Quality Synthetic Face Occlusion Segmentation Datasets [83.749895930242]
  そこで本研究では,高品質な自然主義的合成隠蔽顔を製造するための2つの手法を提案する。 両手法の有効性とロバスト性を実証的に示す。 我々は,RealOccとRealOcc-Wildという,微細なアノテーションを付加した高精細な実世界の顔データセットを2つ提示する。
  論文  参考訳（メタデータ） (2022-05-12T17:03:57Z)
• A Unified Framework for Biphasic Facial Age Translation with Noisy-Semantic Guided Generative Adversarial Networks [54.57520952117123]
  バイファシックな顔の年齢変換は、任意の年齢における入力顔の出現を予測することを目的としている。 本稿では,ノイズ・セマンティック誘導合成対向ネットワークを用いた二相性顔面年齢変換のための統一的枠組みを提案する。
  論文  参考訳（メタデータ） (2021-09-15T15:30:35Z)
• When Age-Invariant Face Recognition Meets Face Age Synthesis: A Multi-Task Learning Framework [20.579282497730944]
  MTLFaceは、顔合成を楽しみながら、年齢不変のアイデンティティ関連表現を学習することができる。 グループレベルのfasを実現する従来のone-hotエンコーディングとは対照的に,アイデンティティレベルfasを実現するための新しいid条件モジュールを提案する。 5つのベンチマーククロスエイジデータセットに対する大規模な実験は、提案したMTLFaceの優れた性能を示す。
  論文  参考訳（メタデータ） (2021-03-02T07:03:27Z)
• Continuous Face Aging Generative Adversarial Networks [11.75204350455584]
  顔の老化は、入力画像の顔を指定された年齢に翻訳することを目的としたタスクです。 それまでの方法は、それぞれが10年からなる離散年齢群を生成できるだけに限られていた。 CFA-GAN (Continuous face aging generative adversarial Network) を提案する。
  論文  参考訳（メタデータ） (2021-02-26T06:22:25Z)
• PFA-GAN: Progressive Face Aging with Generative Adversarial Network [19.45760984401544]
  本論文では,PFA-GANを基盤とした新しい顔老化フレームワークを提案する。 このフレームワークは、蓄積されたアーティファクトと曖昧さを取り除くために、エンドツーエンドでトレーニングすることができる。 実験により,既存の (c) GANs 法よりも優れた性能を示した。
  論文  参考訳（メタデータ） (2020-12-07T05:45:13Z)
• 3D Dense Geometry-Guided Facial Expression Synthesis by Adversarial Learning [54.24887282693925]
  本稿では,3次元密度(深度,表面正規度)情報を表現操作に用いる新しいフレームワークを提案する。 既製の最先端3D再構成モデルを用いて深度を推定し,大規模RGB-Depthデータセットを作成する。 実験により,提案手法は競争ベースラインと既存の芸術を大きなマージンで上回ることを示した。
  論文  参考訳（メタデータ） (2020-09-30T17:12:35Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。