論文の概要: Simultaneous Face Hallucination and Translation for Thermal to Visible Face Verification using Axial-GAN

• arxiv url: http://arxiv.org/abs/2104.06534v1
• Date: Tue, 13 Apr 2021 22:34:28 GMT
• ステータス: 処理完了
• システム内更新日: 2021-04-16 01:10:03.143268
• Title: Simultaneous Face Hallucination and Translation for Thermal to Visible Face Verification using Axial-GAN
• Title（参考訳）: Axial-GANを用いたサーマル・バイシブル・フェイスの同時幻覚と翻訳
• Authors: Rakhil Immidisetti, Shuowen Hu, Vishal M. Patel
• Abstract要約: 低分解能熱画像から熱可視面検証のタスクを紹介します。 本稿では,Axial-Generative Adversarial Network (Axial-GAN)を提案する。
• 参考スコア（独自算出の注目度）: 74.22129648654783
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Existing thermal-to-visible face verification approaches expect the thermal and visible face images to be of similar resolution. This is unlikely in real-world long-range surveillance systems, since humans are distant from the cameras. To address this issue, we introduce the task of thermal-to-visible face verification from low-resolution thermal images. Furthermore, we propose Axial-Generative Adversarial Network (Axial-GAN) to synthesize high-resolution visible images for matching. In the proposed approach we augment the GAN framework with axial-attention layers which leverage the recent advances in transformers for modelling long-range dependencies. We demonstrate the effectiveness of the proposed method by evaluating on two different thermal-visible face datasets. When compared to related state-of-the-art works, our results show significant improvements in both image quality and face verification performance, and are also much more efficient.
• Abstract（参考訳）: 既存の熱可視性顔認証アプローチでは、熱可視性顔画像と可視性顔画像が同じ解像度であることが期待されている。 これは、人間がカメラから遠ざかっているため、現実世界の長距離監視システムではあり得ない。 この問題に対処するために,低分解能熱画像から視認性顔認証の課題を紹介する。 さらに,高分解能可視画像合成のための軸生成逆ネットワーク(axis-gan)を提案する。 提案手法では, 長距離依存をモデル化するトランスフォーマーの最近の進歩を活かし, 軸結合層によりganフレームワークを補強する。 提案手法の有効性を2つの異なる熱可視顔データセットを用いて評価する。 関連技術と比較すると,画像品質と顔認証性能の両面で有意な改善がみられ,効率も向上した。

関連論文リスト

• Learning Domain and Pose Invariance for Thermal-to-Visible Face Recognition [6.454199265634863]
  本稿では、ドメインを同時に学習し、不変表現をポーズする新しいドメイン・アンド・ポース不変フレームワークを提案する。 提案フレームワークは,オフポジション熱画像と正面可視顔画像から最も相関の深い中間表現を抽出するための改良されたネットワークで構成されている。 DPIFは,前頭部のサーマルフェース画像と前頭部のサーマルフェース画像とをマッチングする際に,DPIFが性能を向上させることも示している。
  論文  参考訳（メタデータ） (2022-11-17T05:24:02Z)
• Thermal to Visible Image Synthesis under Atmospheric Turbulence [67.99407460140263]
  バイオメトリックスや監視では、低照度と夜間の条件下での撮像に熱画像モダリティがしばしば用いられる。 このような画像システムは、しばしば大気の乱れに悩まされ、撮像された画像に激しいぼやけや変形のアーチファクトをもたらす。 熱画像を直接可視光画像に変換するエンド・ツー・エンドの再構成法を提案する。
  論文  参考訳（メタデータ） (2022-04-06T19:47:41Z)
• A Synthesis-Based Approach for Thermal-to-Visible Face Verification [105.63410428506536]
  本稿では,ARL-VTFおよびTUFTSマルチスペクトル顔データセット上での最先端性能を実現するアルゴリズムを提案する。 MILAB-VTF(B)も提案する。
  論文  参考訳（メタデータ） (2021-08-21T17:59:56Z)
• Heterogeneous Face Frontalization via Domain Agnostic Learning [74.86585699909459]
  本研究では, 視覚領域における正面視を, ポーズのバリエーションで合成できるドメイン非依存学習型生成逆数ネットワーク(DAL-GAN)を提案する。 DAL-GANは、補助分類器を備えたジェネレータと、より優れた合成のために局所的およびグローバルなテクスチャ識別をキャプチャする2つの識別器から構成される。
  論文  参考訳（メタデータ） (2021-07-17T20:41:41Z)
• A Large-Scale, Time-Synchronized Visible and Thermal Face Dataset [62.193924313292875]
  DEVCOM Army Research Laboratory Visible-Thermal Faceデータセット(ARL-VTF)を発表します。 395人の被験者から50万枚以上の画像が得られたARL-VTFデータセットは、これまでで最大の可視画像とサーマルフェイス画像の収集データだ。 本論文では,ALL-VTFデータセットを用いたサーマルフェースランドマーク検出とサーマル・トゥ・ヴィジブルフェース検証のベンチマーク結果と分析について述べる。
  論文  参考訳（メタデータ） (2021-01-07T17:17:12Z)
• Multi-Metric Evaluation of Thermal-to-Visual Face Recognition [3.0255457622022486]
  我々は、機械学習を用いて、赤外線画像から視覚スペクトル面を合成する異種・横断的な顔認識の課題に対処することを目的とする。 我々は、顔画像合成にGAN(Geneversarative Adrial Networks)を使用する能力について検討し、これらの画像の性能を事前学習した畳み込みニューラルネットワーク(CNN)を用いて検討する。 CNNを用いて抽出した特徴を顔認証と検証に応用する。
  論文  参考訳（メタデータ） (2020-07-22T10:18:34Z)
• Multi-Scale Thermal to Visible Face Verification via Attribute Guided Synthesis [55.29770222566124]
  可視画像から抽出した属性を用いて、熱画像から属性保存された可視画像を合成し、クロスモーダルマッチングを行う。 抽出した属性によって導かれる熱画像から可視像を合成するために, 新規なマルチスケールジェネレータを提案する。 事前訓練されたVGG-Faceネットワークを利用して、合成画像と入力可視画像から特徴を抽出し、検証を行う。
  論文  参考訳（メタデータ） (2020-04-20T01:45:05Z)

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。