論文の概要: Searching for Alignment in Face Recognition
- arxiv url: http://arxiv.org/abs/2102.05447v1
- Date: Wed, 10 Feb 2021 14:09:16 GMT
- ステータス: 処理完了
- システム内更新日: 2021-02-11 14:50:17.329643
- Title: Searching for Alignment in Face Recognition
- Title(参考訳): 顔認識におけるアライメントの探索
- Authors: Xiaqing Xu, Qiang Meng, Yunxiao Qin, Jianzhu Guo, Chenxu Zhao, Feng
Zhou, and Zhen Lei
- Abstract要約: まず、異なるアライメントテンプレートが顔認識に与える影響を探索し、強調する。
そして、初めて最適なテンプレートを自動で検索する。
我々は、テンプレートを分解して、作物の大きさと垂直シフトに分解することで、よく定義された探索空間を構築する。
提案したベンチマーク実験は,顔認識性能向上のための手法の有効性を検証した。
- 参考スコア(独自算出の注目度): 37.91087888250405
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: A standard pipeline of current face recognition frameworks consists of four
individual steps: locating a face with a rough bounding box and several
fiducial landmarks, aligning the face image using a pre-defined template,
extracting representations and comparing. Among them, face detection, landmark
detection and representation learning have long been studied and a lot of works
have been proposed. As an essential step with a significant impact on
recognition performance, the alignment step has attracted little attention. In
this paper, we first explore and highlight the effects of different alignment
templates on face recognition. Then, for the first time, we try to search for
the optimal template automatically. We construct a well-defined searching space
by decomposing the template searching into the crop size and vertical shift,
and propose an efficient method Face Alignment Policy Search (FAPS). Besides, a
well-designed benchmark is proposed to evaluate the searched policy.
Experiments on our proposed benchmark validate the effectiveness of our method
to improve face recognition performance.
- Abstract(参考訳): 現在の顔認識フレームワークの標準的なパイプラインは、4つの個別のステップで構成される: 粗い境界ボックスといくつかの仮想ランドマークによる顔の特定、事前定義されたテンプレートによる顔画像の調整、表現の抽出と比較。
その中でも,顔検出,ランドマーク検出,表現学習が長年研究されてきたが,多くの研究が提案されている。
認識性能に大きな影響を与える重要なステップとして、アライメントステップはほとんど注目されていない。
本稿では,まず,異なるアライメントテンプレートが顔認識に与える影響を探索し,強調する。
そして、初めて、最適なテンプレートを自動的に検索しようとします。
テンプレート検索を作物サイズと垂直シフトに分解し、よく定義された検索空間を構築し、効率的なフェイスアライメントポリシー検索(FAPS)を提案します。
さらに,探索されたポリシーを評価するために,よく設計されたベンチマークが提案されている。
提案したベンチマーク実験は,顔認識性能向上のための手法の有効性を検証した。
関連論文リスト
- UniForensics: Face Forgery Detection via General Facial Representation [60.5421627990707]
高レベルの意味的特徴は摂動の影響を受けにくく、フォージェリー固有の人工物に限らないため、より強い一般化がある。
我々は、トランスフォーマーベースのビデオネットワークを活用する新しいディープフェイク検出フレームワークUniForensicsを導入し、顔の豊かな表現のためのメタファンクショナルな顔分類を行う。
論文 参考訳(メタデータ) (2024-07-26T20:51:54Z) - LAFS: Landmark-based Facial Self-supervised Learning for Face
Recognition [37.4550614524874]
我々は、効果的な顔認識モデルの訓練に適応できる顔表現の学習に焦点をあてる。
本研究では,自己教師付き事前学習による未ラベル顔画像の学習戦略について検討する。
提案手法は,複数の顔認識ベンチマークにおける最先端技術よりも大幅に向上する。
論文 参考訳(メタデータ) (2024-03-13T01:07:55Z) - 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) - COMICS: End-to-end Bi-grained Contrastive Learning for Multi-face Forgery Detection [56.7599217711363]
顔偽造認識法は一度に1つの顔しか処理できない。
ほとんどの顔偽造認識法は一度に1つの顔しか処理できない。
マルチフェイスフォージェリ検出のためのエンドツーエンドフレームワークであるCOMICSを提案する。
論文 参考訳(メタデータ) (2023-08-03T03:37:13Z) - Efficient Explainable Face Verification based on Similarity Score
Argument Backpropagation [5.956239490189115]
2つの顔画像が一致したか否かを、与えられた顔認識システムで理解することが重要である。
そこで我々はxSSABを提案する。xSSABは似通ったスコアに基づく議論をバックプロパゲートする手法で、顔のマッチング決定を支持したり、反対したりする。
Patch-LFWは、新しい評価プロトコルと併用可能な、説明可能な顔検証ベンチマークである。
論文 参考訳(メタデータ) (2023-04-26T09:48:48Z) - An Efficient Method for Face Quality Assessment on the Edge [1.7188280334580197]
エッジデバイスに対する実践的なアプローチは、認識への適合性に応じて、これらのアイデンティティの検出を優先すべきである。
顔のランドマーク検出ネットワークに1つの層を付加するだけで、顔の品質スコアの回帰が提案される。
追加のコストがほとんどないため、顔の品質スコアは、この単一の層をトレーニングすることで得られる。
論文 参考訳(メタデータ) (2022-07-19T18:29:43Z) - Human Face Recognition from Part of a Facial Image based on Image
Stitching [0.0]
現在の顔認識技術のほとんどは、認識される人物の完全な顔の存在を必要とする。
そこで本研究では,欠損部を画像に示す部分のフリップで縫合する工程を採用した。
ここで適用された顔認識アルゴリズムは固有顔と幾何学的手法である。
論文 参考訳(メタデータ) (2022-03-10T19:31:57Z) - Detect and Locate: A Face Anti-Manipulation Approach with Semantic and
Noise-level Supervision [67.73180660609844]
本稿では,画像中の偽造顔を効率的に検出する,概念的にシンプルだが効果的な方法を提案する。
提案手法は,画像に関する意味の高い意味情報を提供するセグメンテーションマップに依存する。
提案モデルでは,最先端検出精度と顕著なローカライゼーション性能を実現する。
論文 参考訳(メタデータ) (2021-07-13T02:59:31Z) - The Elements of End-to-end Deep Face Recognition: A Survey of Recent
Advances [56.432660252331495]
顔認識はコンピュータビジョンにおいて最も人気があり、長く続いたトピックの1つである。
ディープフェイス認識は目覚ましい進歩を遂げ、多くの現実世界のアプリケーションで広く利用されている。
本稿では,各要素の最近の進歩を概観する。
論文 参考訳(メタデータ) (2020-09-28T13:02:17Z) - Boosting Deep Face Recognition via Disentangling Appearance and Geometry [33.196270681809395]
顔認識タスクにおける外観と幾何学的表現を両立させる枠組みを提案する。
空間変換を取り入れた幾何学的に同一の顔を生成する。
提案手法は深層顔認識モデルの性能を向上させる。
論文 参考訳(メタデータ) (2020-01-13T23:19:58Z)
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。