論文の概要: Age Gap Reducer-GAN for Recognizing Age-Separated Faces

• arxiv url: http://arxiv.org/abs/2011.05897v1
• Date: Wed, 11 Nov 2020 16:43:32 GMT
• ステータス: 処理完了
• システム内更新日: 2022-09-26 23:32:18.850345
• Title: Age Gap Reducer-GAN for Recognizing Age-Separated Faces
• Title（参考訳）: 老化顔認識のためのage gap reductionr-gan
• Authors: Daksha Yadav, Naman Kohli, Mayank Vatsa, Richa Singh, Afzel Noore
• Abstract要約: 本稿では,年齢変化に伴う顔と時間変化をマッチングする新しいアルゴリズムを提案する。 提案手法は,顔の年齢推定と年齢別顔の検証を組み合わせた統合フレームワークである。
• 参考スコア（独自算出の注目度）: 72.26969872180841
• License: http://creativecommons.org/licenses/by-nc-nd/4.0/
• Abstract: In this paper, we propose a novel algorithm for matching faces with temporal variations caused due to age progression. The proposed generative adversarial network algorithm is a unified framework that combines facial age estimation and age-separated face verification. The key idea of this approach is to learn the age variations across time by conditioning the input image on the subject's gender and the target age group to which the face needs to be progressed. The loss function accounts for reducing the age gap between the original image and generated face image as well as preserving the identity. Both visual fidelity and quantitative evaluations demonstrate the efficacy of the proposed architecture on different facial age databases for age-separated face recognition.
• Abstract（参考訳）: 本稿では,年齢進行に伴う顔と時間変化をマッチングする新しいアルゴリズムを提案する。 提案手法は,顔の年齢推定と年齢別顔の検証を組み合わせた統合フレームワークである。 このアプローチの鍵となるアイデアは、対象者の性別の入力画像と、顔の進行を必要とする対象年齢群を条件付けして、時間を通じて年齢変化を学ぶことである。 損失関数は、元の画像と生成された顔画像との年齢ギャップを減少させ、アイデンティティを保持する。 視覚的忠実度および定量的評価は, 年齢別顔認識における異なる顔年齢データベースに対する提案アーキテクチャの有効性を示す。

関連論文リスト

• Age-Invariant Face Embedding using the Wasserstein Distance [10.508187462682308]
  同一人物の画像が有意な年齢差を示すデータセットにおける顔認証について検討した。 本稿では,マルチタスク学習とワッサーシュタイン距離判別器を用いて,年齢とアイデンティティの埋め込みをアンタングル化する手法を提案する。
  論文  参考訳（メタデータ） (2023-05-04T11:33:37Z)
• 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)
• 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)
• FP-Age: Leveraging Face Parsing Attention for Facial Age Estimation in the Wild [50.8865921538953]
  年齢推定に顔のセマンティクスを明示的に組み込む手法を提案する。 我々は,顔解析に基づくネットワークを設計し,異なるスケールで意味情報を学習する。 提案手法は,既存の年齢推定手法を常に上回っていることを示す。
  論文  参考訳（メタデータ） (2021-06-21T14:31:32Z)
• 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)
• Child Face Age-Progression via Deep Feature Aging [47.74474569938014]
  本稿では,顔マーカによって出力される深層顔の特徴を経時変化させる機能老化モジュールを提案する。 提案手法は、ランク1の識別率95.91%で最先端の手法よりも優れている。
  論文  参考訳（メタデータ） (2020-03-17T23:03:46Z)
• Exploiting Semantics for Face Image Deblurring [121.44928934662063]
  本稿では,深層畳み込みニューラルネットワークによる意味的手がかりを利用して,効果的かつ効率的な顔分解アルゴリズムを提案する。 顔のセマンティックラベルを入力先として組み込んで,顔の局所構造を正規化するための適応的構造損失を提案する。 提案手法は、より正確な顔の特徴と細部を持つシャープ画像を復元する。
  論文  参考訳（メタデータ） (2020-01-19T13:06:27Z)

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。