論文の概要: Multi Scale Identity-Preserving Image-to-Image Translation Network for
Low-Resolution Face Recognition
- arxiv url: http://arxiv.org/abs/2010.12249v4
- Date: Sun, 3 Jul 2022 19:25:15 GMT
- ステータス: 処理完了
- システム内更新日: 2022-10-03 23:09:08.712306
- Title: Multi Scale Identity-Preserving Image-to-Image Translation Network for
Low-Resolution Face Recognition
- Title（参考訳）: 低解像度顔認識のためのマルチスケールID保存画像変換ネットワーク
- Authors: Vahid Reza Khazaie and Nicky Bayat and Yalda Mohsenzadeh
- Abstract要約: 本稿では,画像から画像へ変換する深層ニューラルネットワークを提案する。
アイデンティティ関連の情報を保存しながら、非常に低解像度の顔を高解像度の顔に超解き放つことができる。
- 参考スコア（独自算出の注目度）: 7.6702700993064115
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: State-of-the-art deep neural network models have reached near perfect face
recognition accuracy rates on controlled high-resolution face images. However,
their performance is drastically degraded when they are tested with very
low-resolution face images. This is particularly critical in surveillance
systems, where a low-resolution probe image is to be matched with
high-resolution gallery images. super-resolution techniques aim at producing
high-resolution face images from low-resolution counterparts. While they are
capable of reconstructing images that are visually appealing, the
identity-related information is not preserved. Here, we propose an
identity-preserving end-to-end image-to-image translation deep neural network
which is capable of super-resolving very low-resolution faces to their
high-resolution counterparts while preserving identity-related information. We
achieved this by training a very deep convolutional encoder-decoder network
with a symmetric contracting path between corresponding layers. This network
was trained with a combination of a reconstruction and an identity-preserving
loss, on multi-scale low-resolution conditions. Extensive quantitative
evaluations of our proposed model demonstrated that it outperforms competing
super-resolution and low-resolution face recognition methods on natural and
artificial low-resolution face data sets and even unseen identities.
- Abstract（参考訳）: 最先端のディープニューラルネットワークモデルは、制御された高解像度顔画像の顔認識精度がほぼ完璧に向上した。
しかし、非常に低解像度の顔画像でテストすると、その性能は大幅に劣化する。
これは、低解像度のプローブ画像が高解像度のギャラリー画像とマッチする監視システムにおいて特に重要である。
超高解像度技術は、低解像度の対向画像から高解像度の顔画像を生成することを目的としている。
視覚的に魅力的な画像を再構成できるが、識別関連情報は保存されない。
本稿では、アイデンティティ関連情報を保存しながら、高解像度の顔に超解像を超解像できる、アイデンティティ保存型エンドツーエンド画像変換深層ニューラルネットワークを提案する。
我々は、対応する層間で対称な収縮パスを持つ非常に深い畳み込みエンコーダ・デコーダネットワークを訓練することでこれを達成した。
このネットワークは、マルチスケールの低解像度条件で、再構成とアイデンティティ保存損失の組み合わせで訓練された。
提案手法の大規模定量的評価により,自然および人工の低解像度の顔データセットや未知のアイデンティティに対して,競合する超解像および低解像度の顔認識法よりも優れていた。
関連論文リスト
- Research on Image Super-Resolution Reconstruction Mechanism based on Convolutional Neural Network [8.739451985459638]
超解像アルゴリズムは、同一シーンから撮影された1つ以上の低解像度画像を高解像度画像に変換する。
再構成過程における画像の特徴抽出と非線形マッピング手法は,既存のアルゴリズムでは依然として困難である。
目的は、高解像度の画像から高品質で高解像度の画像を復元することである。
論文 参考訳（メタデータ） (2024-07-18T06:50:39Z) - Reconstructing Interpretable Features in Computational Super-Resolution microscopy via Regularized Latent Search [2.7194314957925094]
改良されたディープラーニングアプローチは、2つの画像解像度またはモダリティ間のマッピングを学習することで、顕微鏡画像の解像度を人工的に向上させることができる。
GAN潜時探索に基づく最近の手法では、ペア画像を必要としない解像度が大幅に向上した。
本稿では,正則化潜在探索(RLS)に基づく高分解能超解法を提案する。
論文 参考訳（メタデータ） (2024-05-29T14:20:46Z) - DeepFidelity: Perceptual Forgery Fidelity Assessment for Deepfake
Detection [67.3143177137102]
ディープフェイク検出(Deepfake detection)とは、画像やビデオにおいて、人工的に生成された顔や編集された顔を検出すること。
本稿では,実顔と偽顔とを適応的に識別するDeepFidelityという新しいDeepfake検出フレームワークを提案する。
論文 参考訳（メタデータ） (2023-12-07T07:19:45Z) - Super-Resolving Face Image by Facial Parsing Information [52.1267613768555]
顔超解像は、低解像度の顔画像を対応する高解像度の画像に変換する技術である。
我々は,低解像度の顔画像から先行する顔を抽出する,新しい解析マップ付き顔超解像ネットワークを構築した。
高解像度特徴はより正確な空間情報を含み、低解像度特徴は強い文脈情報を提供する。
論文 参考訳（メタデータ） (2023-04-06T08:19:03Z) - Cross-resolution Face Recognition via Identity-Preserving Network and
Knowledge Distillation [12.090322373964124]
クロスレゾリューション顔認識は、現代の深層顔認識システムにとって難しい問題である。
本稿では,低分解能画像の低周波成分に蓄積される識別情報にネットワークを集中させる新しい手法を提案する。
論文 参考訳（メタデータ） (2023-03-15T14:52:46Z) - Semantic Encoder Guided Generative Adversarial Face Ultra-Resolution
Network [15.102899995465041]
本稿では,セマンティックガイド付き生成逆顔超解像ネットワーク(SEGA-FURN)を提案する。
提案するネットワークは, 組込みセマンティクスを捕捉し, 対数学習を誘導する新しいセマンティクスエンコーダと, Residual in Internal Block (RIDB) という階層型アーキテクチャを用いた新しいジェネレータから構成される。
大規模顔データを用いた実験により,提案手法は優れた超解像結果が得られ,定性比較と定量的比較の両面で他の最先端手法よりも優れることが示された。
論文 参考訳（メタデータ） (2022-11-18T23:16:57Z) - Learning Enriched Features for Fast Image Restoration and Enhancement [166.17296369600774]
本稿では,ネットワーク全体を通して空間的精度の高い高解像度表現を維持することを目的とする。
我々は、高解像度の空間的詳細を同時に保存しながら、複数のスケールからの文脈情報を組み合わせた豊富な特徴集合を学習する。
提案手法は,デフォーカス・デブロアリング,画像デノイング,超解像,画像強調など,さまざまな画像処理タスクに対して,最先端の処理結果を実現する。
論文 参考訳（メタデータ） (2022-04-19T17:59:45Z) - Analysis and evaluation of Deep Learning based Super-Resolution
algorithms to improve performance in Low-Resolution Face Recognition [0.0]
超解像アルゴリズムは、関係する被験者の識別特性を回復することができる。
このプロジェクトは、顔の超解像のタスクのための異なるディープニューラルネットワークアーキテクチャを評価し、適応することを目的とした。
実験により、一般的なスーパーレゾリューションアーキテクチャは、高レゾリューション顔で訓練されたディープニューラルネットワークのフェイス検証性能を向上させることが判明した。
論文 参考訳（メタデータ） (2021-01-19T02:41:57Z) - Invertible Image Rescaling [118.2653765756915]
Invertible Rescaling Net (IRN) を開発した。
我々は、ダウンスケーリングプロセスにおいて、指定された分布に従う潜在変数を用いて、失われた情報の分布をキャプチャする。
論文 参考訳（メタデータ） (2020-05-12T09:55:53Z) - Unsupervised Real Image Super-Resolution via Generative Variational
AutoEncoder [47.53609520395504]
古典的な例に基づく画像超解法を再考し、知覚的画像超解法のための新しい生成モデルを考案する。
本稿では,変分オートエンコーダを用いた共同画像デノベーションと超解像モデルを提案する。
判別器の助けを借りて、超分解能サブネットワークのオーバーヘッドを加味して、分解された画像をフォトリアリスティックな視覚的品質で超解凍する。
論文 参考訳（メタデータ） (2020-04-27T13:49:36Z) - Learning Enriched Features for Real Image Restoration and Enhancement [166.17296369600774]
畳み込みニューラルネットワーク(CNN)は、画像復元作業における従来のアプローチよりも劇的に改善されている。
ネットワーク全体を通して空間的精度の高い高解像度表現を維持することを目的とした,新しいアーキテクチャを提案する。
提案手法は,高解像度の空間的詳細を同時に保存しながら,複数のスケールからの文脈情報を組み合わせた豊富な特徴集合を学習する。
論文 参考訳（メタデータ） (2020-03-15T11:04:30Z)
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。