論文の概要: Towards End-to-End Neural Face Authentication in the Wild - Quantifying
and Compensating for Directional Lighting Effects
- arxiv url: http://arxiv.org/abs/2104.03854v1
- Date: Thu, 8 Apr 2021 15:58:09 GMT
- ステータス: 処理完了
- システム内更新日: 2021-04-09 16:37:29.030822
- Title: Towards End-to-End Neural Face Authentication in the Wild - Quantifying
and Compensating for Directional Lighting Effects
- Title(参考訳): 野生におけるエンドツーエンドのニューラルフェイス認証を目指して -指向性照明効果の定量化と補正-
- Authors: Viktor Varkarakis, Wang Yao, Peter Corcoran
- Abstract要約: 本研究では, 指向性照明がニューラルフェイス認識器に及ぼす影響について検討する。
トップ照明とそのバリエーションは、精度に最小限の効果を有することが判明し、ボトム左またはボトム右方向の照明が最も顕著な効果を有する。
- 参考スコア(独自算出の注目度): 2.4493299476776778
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: The recent availability of low-power neural accelerator hardware, combined
with improvements in end-to-end neural facial recognition algorithms provides,
enabling technology for on-device facial authentication. The present research
work examines the effects of directional lighting on a State-of-Art(SoA) neural
face recognizer. A synthetic re-lighting technique is used to augment data
samples due to the lack of public data-sets with sufficient directional
lighting variations. Top lighting and its variants (top-left, top-right) are
found to have minimal effect on accuracy, while bottom-left or bottom-right
directional lighting has the most pronounced effects. Following the fine-tuning
of network weights, the face recognition model is shown to achieve close to the
original Receiver Operating Characteristic curve (ROC)performance across all
lighting conditions and demonstrates an ability to generalize beyond the
lighting augmentations used in the fine-tuning data-set. This work shows that
an SoA neural face recognition model can be tuned to compensate for directional
lighting effects, removing the need for a pre-processing step before applying
facial recognition.
- Abstract(参考訳): 近年、低消費電力のニューラルアクセラレータハードウェアが利用可能となり、エンドツーエンドの顔認識アルゴリズムの改善が加わり、オンデバイス顔認識技術が実現された。
本研究では, 指向性照明がニューラルフェイス認識器(SoA)に及ぼす影響について検討する。
方向性の異なる公共データセットが不足しているため、データサンプルを増強するために合成再照明技術を用いる。
トップライティングとその変種(上左、上右)は精度にはほとんど影響を与えないが、下左または下右の方向ライティングは最も明瞭な効果を持つ。
ネットワーク重みの微調整に続いて、顔認識モデルは、全ての照明条件における元の受信者動作特性曲線(ROC)性能に近い性能を示し、微調整データセットで使用される照明拡張を超えて一般化する能力を示す。
この研究は、SoAニューラルフェイス認識モデルを調整して、指向性照明効果を補正できることを示し、顔認識を適用する前に前処理ステップを不要にする。
関連論文リスト
- Unsupervised Low-light Image Enhancement with Lookup Tables and Diffusion Priors [38.96909959677438]
低照度画像強調(LIE)は、低照度環境において劣化した画像を高精度かつ効率的に回収することを目的としている。
近年の先進的なLIE技術は、多くの低正規の光画像対、ネットワークパラメータ、計算資源を必要とするディープニューラルネットワークを使用している。
拡散先行とルックアップテーブルに基づく新しい非教師付きLIEフレームワークを考案し,低照度画像の効率的な回復を実現する。
論文 参考訳(メタデータ) (2024-09-27T16:37:27Z) - Generalizable Non-Line-of-Sight Imaging with Learnable Physical Priors [52.195637608631955]
非視線画像(NLOS)は、その潜在的な応用により注目されている。
既存のNLOS再構成アプローチは、経験的物理的前提に依存して制約される。
本稿では,Learningable Path Compensation(LPC)とAdaptive Phasor Field(APF)の2つの主要な設計を含む,学習に基づく新しいソリューションを提案する。
論文 参考訳(メタデータ) (2024-09-21T04:39:45Z) - ALEN: A Dual-Approach for Uniform and Non-Uniform Low-Light Image Enhancement [6.191556429706728]
不適切な照明は、情報損失や画質の低下を招き、監視などの様々な応用に影響を及ぼす可能性がある。
現在のエンハンスメント技術は、しばしば特定のデータセットを使用して低照度画像を強化するが、様々な現実世界の条件に適応する際の課題は残る。
アダプティブ・ライト・エンハンスメント・ネットワーク (ALEN) を導入し、その主なアプローチは、ローカル照明とグローバル照明の強化が必要であるかどうかを決定するための分類機構を使用することである。
論文 参考訳(メタデータ) (2024-07-29T05:19:23Z) - TensoIR: Tensorial Inverse Rendering [51.57268311847087]
テンソルIRはテンソル分解とニューラルフィールドに基づく新しい逆レンダリング手法である。
TensoRFは、放射場モデリングのための最先端のアプローチである。
論文 参考訳(メタデータ) (2023-04-24T21:39:13Z) - NeAI: A Pre-convoluted Representation for Plug-and-Play Neural Ambient
Illumination [28.433403714053103]
ニューラル環境照明(NeAI)という枠組みを提案する。
NeAIは、物理的な方法で複雑な照明を扱うための照明モデルとしてNeRF(Neural Radiance Fields)を使用している。
実験は、以前の作品と比較して、ノベルビューレンダリングの優れたパフォーマンスを示す。
論文 参考訳(メタデータ) (2023-04-18T06:32:30Z) - Learning to Relight Portrait Images via a Virtual Light Stage and
Synthetic-to-Real Adaptation [76.96499178502759]
Relightingは、イメージ内の人物を、ターゲットの照明のある環境に現れたかのように再照らすことを目的としている。
最近の手法は、高品質な結果を得るためにディープラーニングに依存している。
そこで本研究では,光ステージを必要とせずに,SOTA(State-of-the-art Relighting Method)と同等に動作可能な新しい手法を提案する。
論文 参考訳(メタデータ) (2022-09-21T17:15:58Z) - Toward Fast, Flexible, and Robust Low-Light Image Enhancement [87.27326390675155]
我々は、現実の低照度シナリオにおいて、高速でフレキシブルで頑健な鮮明化のための新しい自己校正イルミネーション(SCI)学習フレームワークを開発した。
カスケードパターンの計算負担を考慮すると、各ステージの結果の収束を実現する自己校正モジュールを構築する。
我々は,SCI固有の特性について,操作不感適応性やモデル非関係の一般性を含む包括的探索を行う。
論文 参考訳(メタデータ) (2022-04-21T14:40:32Z) - LEGAN: Disentangled Manipulation of Directional Lighting and Facial
Expressions by Leveraging Human Perceptual Judgements [7.5603864775031004]
顔画像の光と表情を協調的に操作するための知覚的品質判断を利用する新しい合成フレームワーク LEGAN を提案する。
LEGANは、所望の出力画像にアップスケールする前に、照明と表現のサブスペースをアンタングルし、特徴空間で変換を行う。
また,LEGANおよび他のGANモデルにより合成された画像を用いて知覚的研究を行い,品質推定と視覚的忠実度との相関を示す。
論文 参考訳(メタデータ) (2020-10-04T01:56:54Z) - Learning Flow-based Feature Warping for Face Frontalization with
Illumination Inconsistent Supervision [73.18554605744842]
Flow-based Feature Warping Model (FFWM) は、正面画像を保存するフォトリアリスティックおよび照明の合成を学ぶ。
Illumination Preserving Module (IPM) を提案する。
Warp Attention Module (WAM) は、機能レベルでのポーズの相違を低減するために導入された。
論文 参考訳(メタデータ) (2020-08-16T06:07:00Z) - Object-based Illumination Estimation with Rendering-aware Neural
Networks [56.01734918693844]
個々の物体とその局所画像領域のRGBD外観から高速環境光推定手法を提案する。
推定照明により、仮想オブジェクトは実際のシーンと一貫性のあるシェーディングでARシナリオでレンダリングできる。
論文 参考訳(メタデータ) (2020-08-06T08:23:19Z)
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。