論文の概要: Cross-Domain Identification for Thermal-to-Visible Face Recognition

• arxiv url: http://arxiv.org/abs/2008.08473v1
• Date: Wed, 19 Aug 2020 14:24:04 GMT
• ステータス: 処理完了
• システム内更新日: 2022-10-27 12:09:34.164703
• Title: Cross-Domain Identification for Thermal-to-Visible Face Recognition
• Title（参考訳）: 熱可視顔認識のためのクロスドメイン同定
• Authors: Cedric Nimpa Fondje, Shuowen Hu, Nathaniel J. Short, Benjamin S. Riggan
• Abstract要約: 本稿では,新しい機能マッピングサブネットワークと既存機能モデルを組み合わせた新しいドメイン適応フレームワークを提案する。 サーマル・ツー・ヴィジュアブル・顔認識のための新しいクロスドメイン・アイデンティティとドメイン不変性損失関数は、正確に登録された画像と同期された画像の要求を緩和する。 本研究では,非正面熱可視顔認証などの課題に対して,提案手法の有効性を解析する。
• 参考スコア（独自算出の注目度）: 6.224425156703344
• License: http://creativecommons.org/licenses/by-sa/4.0/
• Abstract: Recent advances in domain adaptation, especially those applied to heterogeneous facial recognition, typically rely upon restrictive Euclidean loss functions (e.g., $L_2$ norm) which perform best when images from two different domains (e.g., visible and thermal) are co-registered and temporally synchronized. This paper proposes a novel domain adaptation framework that combines a new feature mapping sub-network with existing deep feature models, which are based on modified network architectures (e.g., VGG16 or Resnet50). This framework is optimized by introducing new cross-domain identity and domain invariance loss functions for thermal-to-visible face recognition, which alleviates the requirement for precisely co-registered and synchronized imagery. We provide extensive analysis of both features and loss functions used, and compare the proposed domain adaptation framework with state-of-the-art feature based domain adaptation models on a difficult dataset containing facial imagery collected at varying ranges, poses, and expressions. Moreover, we analyze the viability of the proposed framework for more challenging tasks, such as non-frontal thermal-to-visible face recognition.
• Abstract（参考訳）: ドメイン適応の最近の進歩、特にヘテロジニアス顔認識に適用されるものは、通常、2つの異なるドメイン(例えば可視および熱)の画像が共登録され、時間的に同期する場合に最適な制限付きユークリッド損失関数(例えば、$l_2$ norm)に依存する。 本稿では,修正されたネットワークアーキテクチャ(vgg16やresnet50など)に基づく,既存の深層特徴モデルと機能マッピングサブネットワークを組み合わせた新しいドメイン適応フレームワークを提案する。 このフレームワークは、熱可視顔認識のための新しいクロスドメインidとドメイン不分散損失関数を導入することで最適化される。 提案するドメイン適応フレームワークと最先端の特徴に基づくドメイン適応モデルを比較し,様々な範囲,ポーズ,表情で収集された顔画像を含む難解なデータセットを用いて,特徴と損失関数の両方を広範囲に分析する。 さらに,非正面熱可視顔認証などの課題に対して,提案手法の有効性を解析した。

関連論文リスト

• Heterogeneous Face Recognition Using Domain Invariant Units [4.910937238451485]
  教師ネットワークとして事前訓練された顔認識モデルを用いてドメイン不変ネットワーク層(DIU)を学習する。 提案したDIUは、対照的な蒸留フレームワークを用いて、限られた量のペアトレーニングデータでも効果的に訓練することができる。 提案手法は、事前訓練されたモデルを強化する可能性があり、より広い範囲のデータに適応できる。
  論文  参考訳（メタデータ） (2024-04-22T16:58:37Z)
• Bridging the Gap: Heterogeneous Face Recognition with Conditional Adaptive Instance Modulation [7.665392786787577]
  本研究では,事前学習した顔認識ネットワークに統合可能な,新しい条件適応型インスタンス変調(CAIM)モジュールを提案する。 CAIMブロックは中間特徴写像を変調し、対象モダリティのスタイルに適応して領域ギャップを効果的にブリッジする。 提案手法は,最小限のペアサンプルでエンドツーエンドのトレーニングを可能にする。
  論文  参考訳（メタデータ） (2023-07-13T19:17:04Z)
• Adaptive Face Recognition Using Adversarial Information Network [57.29464116557734]
  顔認識モデルは、トレーニングデータがテストデータと異なる場合、しばしば退化する。 本稿では,新たな敵情報ネットワーク(AIN)を提案する。
  論文  参考訳（メタデータ） (2023-05-23T02:14:11Z)
• SelFSR: Self-Conditioned Face Super-Resolution in the Wild via Flow Field Degradation Network [12.976199676093442]
  野生における顔超解像のための新しいドメイン適応分解ネットワークを提案する。 我々のモデルは,CelebAと実世界の顔データセットの両方で最先端のパフォーマンスを実現する。
  論文  参考訳（メタデータ） (2021-12-20T17:04:00Z)
• A Unified Architecture of Semantic Segmentation and Hierarchical Generative Adversarial Networks for Expression Manipulation [52.911307452212256]
  セマンティックセグメンテーションと階層的GANの統一アーキテクチャを開発する。 我々のフレームワークのユニークな利点は、将来的なセマンティックセグメンテーションネットワーク条件を生成モデルに渡すことである。 我々は,AffectNetとRaFDの2つの難解な表情翻訳ベンチマークとセマンティックセグメンテーションベンチマークであるCelebAMask-HQについて評価を行った。
  論文  参考訳（メタデータ） (2021-12-08T22:06:31Z)
• Spatially-Adaptive Image Restoration using Distortion-Guided Networks [51.89245800461537]
  空間的に変化する劣化に苦しむ画像の復元のための学習ベースソリューションを提案する。 本研究では、歪み局所化情報を活用し、画像中の困難な領域に動的に適応するネットワーク設計であるSPAIRを提案する。
  論文  参考訳（メタデータ） (2021-08-19T11:02:25Z)
• Heterogeneous Face Frontalization via Domain Agnostic Learning [74.86585699909459]
  本研究では, 視覚領域における正面視を, ポーズのバリエーションで合成できるドメイン非依存学習型生成逆数ネットワーク(DAL-GAN)を提案する。 DAL-GANは、補助分類器を備えたジェネレータと、より優れた合成のために局所的およびグローバルなテクスチャ識別をキャプチャする2つの識別器から構成される。
  論文  参考訳（メタデータ） (2021-07-17T20:41:41Z)
• Simultaneous Face Hallucination and Translation for Thermal to Visible Face Verification using Axial-GAN [74.22129648654783]
  低分解能熱画像から熱可視面検証のタスクを紹介します。 本稿では,Axial-Generative Adversarial Network (Axial-GAN)を提案する。
  論文  参考訳（メタデータ） (2021-04-13T22:34:28Z)
• A NIR-to-VIS face recognition via part adaptive and relation attention module [4.822208985805956]
  顔認識アプリケーションでは、夜間に近赤外線(NIR)監視カメラで撮影するなど、様々な状況下で撮影された顔画像を処理する必要がある。 NIRと可視光(VIS)の照度の違いは、顔画像の領域差を引き起こし、ポーズや感情の変化も顔のマッチングを難しくする。 本稿では,セマンティックマスクを用いて得られた顔の部位を抽出し,それぞれの特徴を用いた関係モデリングを行う部分関係アテンションモジュールを提案する。
  論文  参考訳（メタデータ） (2021-02-01T08:13:39Z)
• Phase Consistent Ecological Domain Adaptation [76.75730500201536]
  意味的セグメンテーション(意味的セグメンテーション)の課題に焦点をあてる。そこでは、注釈付き合成データが多用されるが、実際のデータへのアノテートは困難である。 視覚心理学に触発された最初の基準は、2つの画像領域間の地図が位相保存であることである。 第2の基準は、照明剤や撮像センサーの特性に関わらず、その画像に現れる環境統計、またはシーン内の規則を活用することを目的としている。
  論文  参考訳（メタデータ） (2020-04-10T06:58:03Z)

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。