論文の概要: DVG-Face: Dual Variational Generation for Heterogeneous Face Recognition

• arxiv url: http://arxiv.org/abs/2009.09399v2
• Date: Sat, 16 Jan 2021 10:39:50 GMT
• ステータス: 処理完了
• システム内更新日: 2022-10-16 13:02:52.672190
• Title: DVG-Face: Dual Variational Generation for Heterogeneous Face Recognition
• Title（参考訳）: DVG-Face:不均一顔認識のためのデュアル変分生成
• Authors: Chaoyou Fu, Xiang Wu, Yibo Hu, Huaibo Huang, Ran He
• Abstract要約: 我々は、HFRを二重生成問題として定式化し、新しいDual Variational Generation(DVG-Face)フレームワークを用いてそれに取り組む。 大規模可視データの豊富なアイデンティティ情報を結合分布に統合する。 同一の同一性を持つ多種多様な多種多様な画像は、ノイズから生成することができる。
• 参考スコア（独自算出の注目度）: 85.94331736287765
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Heterogeneous Face Recognition (HFR) refers to matching cross-domain faces and plays a crucial role in public security. Nevertheless, HFR is confronted with challenges from large domain discrepancy and insufficient heterogeneous data. In this paper, we formulate HFR as a dual generation problem, and tackle it via a novel Dual Variational Generation (DVG-Face) framework. Specifically, a dual variational generator is elaborately designed to learn the joint distribution of paired heterogeneous images. However, the small-scale paired heterogeneous training data may limit the identity diversity of sampling. In order to break through the limitation, we propose to integrate abundant identity information of large-scale visible data into the joint distribution. Furthermore, a pairwise identity preserving loss is imposed on the generated paired heterogeneous images to ensure their identity consistency. As a consequence, massive new diverse paired heterogeneous images with the same identity can be generated from noises. The identity consistency and identity diversity properties allow us to employ these generated images to train the HFR network via a contrastive learning mechanism, yielding both domain-invariant and discriminative embedding features. Concretely, the generated paired heterogeneous images are regarded as positive pairs, and the images obtained from different samplings are considered as negative pairs. Our method achieves superior performances over state-of-the-art methods on seven challenging databases belonging to five HFR tasks, including NIR-VIS, Sketch-Photo, Profile-Frontal Photo, Thermal-VIS, and ID-Camera. The related code will be released at https://github.com/BradyFU.
• Abstract（参考訳）: Heterogeneous Face Recognition (HFR)は、クロスドメインの顔のマッチングであり、公共の安全において重要な役割を果たす。 それでも、HFRは大きなドメインの不一致と不十分な異種データによる課題に直面している。 本稿では、HFRを二重生成問題として定式化し、新しいDual Variational Generation(DVG-Face)フレームワークを用いてそれに取り組む。 具体的には、二重変分発生器を精巧に設計し、対の異種画像のジョイント分布を学習する。 しかし、小規模のペア・ヘテロジニアス・トレーニングデータではサンプリングのアイデンティティの多様性が制限される可能性がある。 限界を突破するために,大規模可視データの豊富なアイデンティティ情報を共同分布に統合することを提案する。 さらに、生成した一対の異種画像にペア単位のID保存損失を課し、そのアイデンティティの整合性を確保する。 その結果、同一の同一性を持つ巨大な新しい多様な異種画像がノイズから生成される。 アイデンティティの一貫性とアイデンティティの多様性は、これらの生成した画像を用いて、対照的な学習機構を通じてHFRネットワークを訓練し、ドメイン不変性と識別的埋め込み特性の両方をもたらす。 具体的には、生成した一対の不均一画像を正対とみなし、異なるサンプリングから得られた画像を負対とみなす。 提案手法は, NIR-VIS, Sketch-Photo, Profile-Frontal Photo, Thermal-VIS, ID-Cameraを含む5つのHFRタスクに属する7つの課題データベースに対して,最先端の手法よりも優れた性能を実現する。 関連コードはhttps://github.com/BradyFUで公開される。

関連論文リスト

• Decoupled Data Augmentation for Improving Image Classification [37.50690945158849]
  Decoupled Data Augmentation (De-DA)を導入する。 生成モデルを用いて、制御条件下での実際のCDPの修正を行い、セマンティック一貫性を保つ。 また、画像のCIPをクラス間変種に置き換え、多様なCDP-CIPの組み合わせを作成します。
  論文  参考訳（メタデータ） (2024-10-29T06:27:09Z)
• 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)
• Exploring Invariant Representation for Visible-Infrared Person Re-Identification [77.06940947765406]
  異なるスペクトルを横断する歩行者にアイデンティティを関連付けることを目的とした、クロススペクトルの人物再識別は、モダリティの相違の主な課題に直面している。 本稿では、ロバスト機能マイニングネットワーク(RFM)と呼ばれるエンドツーエンドのハイブリッド学習フレームワークにおいて、画像レベルと特徴レベルの両方の問題に対処する。 RegDBとSYSU-MM01という2つの標準的なクロススペクトル人物識別データセットの実験結果により,最先端の性能が示された。
  論文  参考訳（メタデータ） (2023-02-02T05:24:50Z)
• Hierarchical Forgery Classifier On Multi-modality Face Forgery Clues [61.37306431455152]
  我々は,HFC-MFFD (hierarchical Forgery for Multi-modality Face Forgery Detection) を提案する。 HFC-MFFDは、マルチモーダルシナリオにおけるフォージェリー認証を強化するために、堅牢なパッチベースのハイブリッド表現を学習する。 クラス不均衡問題を緩和し、さらに検出性能を高めるために、特定の階層的な顔偽造を提案する。
  論文  参考訳（メタデータ） (2022-12-30T10:54:29Z)
• T-Person-GAN: Text-to-Person Image Generation with Identity-Consistency and Manifold Mix-Up [16.165889084870116]
  テキストのみに条件付けされた高解像度の人物画像を生成するためのエンドツーエンドアプローチを提案する。 2つの新しいメカニズムで人物画像を生成するための効果的な生成モデルを開発する。
  論文  参考訳（メタデータ） (2022-08-18T07:41:02Z)
• Heterogeneous Face Recognition via Face Synthesis with Identity-Attribute Disentanglement [33.42679052386639]
  Heterogeneous Face Recognition (HFR)は、異なるドメインの顔にマッチすることを目的としている。 FSIAD (Face Synthesis with Identity-Attribute Disentanglement) という新しいHFR手法を提案する。 FSIADは顔画像をアイデンティティ関連表現とアイデンティティ非関連表現(属性と呼ばれる)に分離する
  論文  参考訳（メタデータ） (2022-06-10T03:01:33Z)
• Dual Spoof Disentanglement Generation for Face Anti-spoofing with Depth Uncertainty Learning [54.15303628138665]
  フェース・アンチ・スプーフィング(FAS)は、顔認識システムが提示攻撃を防ぐ上で重要な役割を担っている。 既存のフェース・アンチ・スプーフィング・データセットは、アイデンティティと重要なばらつきが不十分なため、多様性を欠いている。 我々は「生成によるアンチ・スプーフィング」によりこの問題に対処するデュアル・スポット・ディアンタングメント・ジェネレーション・フレームワークを提案する。
  論文  参考訳（メタデータ） (2021-12-01T15:36:59Z)
• Multi-Margin based Decorrelation Learning for Heterogeneous Face Recognition [90.26023388850771]
  本稿では,超球面空間におけるデコリレーション表現を抽出するディープニューラルネットワーク手法を提案する。 提案するフレームワークは,不均一表現ネットワークとデコリレーション表現学習の2つのコンポーネントに分けることができる。 2つの難解な異種顔データベースに対する実験結果から,本手法は検証タスクと認識タスクの両方において優れた性能を発揮することが示された。
  論文  参考訳（メタデータ） (2020-05-25T07:01:12Z)

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。