Fugu-MT 論文翻訳(概要): Towards NIR-VIS Masked Face Recognition

論文の概要: Towards NIR-VIS Masked Face Recognition

arxiv url: http://arxiv.org/abs/2104.06761v1
Date: Wed, 14 Apr 2021 10:40:09 GMT
ステータス: 処理完了
システム内更新日: 2021-04-15 13:17:15.421328
Title: Towards NIR-VIS Masked Face Recognition
Title（参考訳）: NIR-VIS Masked Face Recognition に向けて
Authors: Hang Du, Hailin Shi, Yinglu Liu, Dan Zeng, and Tao Mei
Abstract要約: 近赤外可視(NIR-VIS)顔認識は異種顔認識において最も一般的な症例である。 2つのドメインの顔表現で共有される相互情報を最大化するための新しいトレーニング手法を提案する。さらに、既存のNIR画像からマスク面を合成するために、3次元顔再構成に基づくアプローチを用いる。
参考スコア（独自算出の注目度）: 47.00916333095693
License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
Abstract: Near-infrared to visible (NIR-VIS) face recognition is the most common case in heterogeneous face recognition, which aims to match a pair of face images captured from two different modalities. Existing deep learning based methods have made remarkable progress in NIR-VIS face recognition, while it encounters certain newly-emerged difficulties during the pandemic of COVID-19, since people are supposed to wear facial masks to cut off the spread of the virus. We define this task as NIR-VIS masked face recognition, and find it problematic with the masked face in the NIR probe image. First, the lack of masked face data is a challenging issue for the network training. Second, most of the facial parts (cheeks, mouth, nose etc.) are fully occluded by the mask, which leads to a large amount of loss of information. Third, the domain gap still exists in the remaining facial parts. In such scenario, the existing methods suffer from significant performance degradation caused by the above issues. In this paper, we aim to address the challenge of NIR-VIS masked face recognition from the perspectives of training data and training method. Specifically, we propose a novel heterogeneous training method to maximize the mutual information shared by the face representation of two domains with the help of semi-siamese networks. In addition, a 3D face reconstruction based approach is employed to synthesize masked face from the existing NIR image. Resorting to these practices, our solution provides the domain-invariant face representation which is also robust to the mask occlusion. Extensive experiments on three NIR-VIS face datasets demonstrate the effectiveness and cross-dataset-generalization capacity of our method.
Abstract（参考訳）: 近赤外可視(NIR-VIS)顔認識は、異種顔認識において最も一般的であり、2つの異なるモードから取得した2つの顔画像のマッチングを目的としている。 NIR-VISの顔認識技術は、新型コロナウイルス(COVID-19)のパンデミック(パンデミック)で新たに流行した問題に遭遇する一方、既存のディープラーニングベースの手法は目覚ましい進歩を遂げている。我々は,この課題をNIR-VISマスク顔認識と定義し,NIRプローブ画像のマスク顔に問題を見出した。まず、マスクされた顔データの欠如は、ネットワークトレーニングにとって難しい問題である。第二に、顔のほとんどの部分(ギーク、口、鼻など) マスクに完全に隠されているため、大量の情報を失うことになる。第3に、残りの顔面部分にはドメインギャップが残っている。このようなシナリオでは、既存の手法は上記の問題による大幅な性能劣化に悩まされる。本稿では,NIR-VISマスクによる顔認識の課題を,トレーニングデータとトレーニング手法の観点から解決することを目的とする。具体的には, セミシャムネットワークを用いて, 2つの領域の面表現で共有される相互情報を最大化する, 新たな異種学習手法を提案する。さらに、既存のNIR画像からマスク面を合成するために、3次元顔再構成に基づくアプローチを用いる。これらのプラクティスを頼りに、このソリューションはマスクオクルージョンにロバストなドメイン不変の顔表現を提供する。 3つのNIR-VIS顔データセットの大規模な実験により,本手法の有効性とクロスデータセット一般化能力が示された。

関連論文リスト

Seeing through the Mask: Multi-task Generative Mask Decoupling Face Recognition [47.248075664420874]
現在の一般的な顔認識システムは、隠蔽シーンに遭遇する際の重大な性能劣化に悩まされている。本稿では,これら2つのタスクを協調的に扱うために,マルチタスクのgEnerative mask dEcoupling Face Recognition (MEER) ネットワークを提案する。まず,マスクと識別情報を分離する新しいマスクデカップリングモジュールを提案する。
論文参考訳（メタデータ） (2023-11-20T03:23:03Z)
Physically-Based Face Rendering for NIR-VIS Face Recognition [165.54414962403555]
近赤外(NIR)と可視(VIS)の顔マッチングは、大きなドメインギャップのために困難である。 NIR-VIS対顔画像生成のための新しい手法を提案する。アイデンティティ特徴学習を容易にするために,IDentityに基づく最大平均離散性(ID-MMD)損失を提案する。
論文参考訳（メタデータ） (2022-11-11T18:48:16Z)
HiMFR: A Hybrid Masked Face Recognition Through Face Inpainting [0.7868449549351486]
エンドツーエンドの複合顔認証システム、HiMFRを提案する。マスクされた顔検出モジュールは、事前訓練された視覚変換器を適用して、顔がマスクで覆われているか否かを検出する。 Inpaintingモジュールは、GAN(Generative Adversarial Network)に基づいたきめ細かい画像のインペイントモデルを使用して、顔を復元する。最後に、EfficientNetB3バックボーンを備えたViTに基づくハイブリッド顔認識モジュールは、顔を認識する。
論文参考訳（メタデータ） (2022-09-19T11:26:49Z)
End2End Occluded Face Recognition by Masking Corrupted Features [82.27588990277192]
最先端の一般的な顔認識モデルは、隠蔽された顔画像に対してうまく一般化しない。本稿では,1つのエンドツーエンドのディープニューラルネットワークに基づいて,オクルージョンに頑健な新しい顔認識手法を提案する。我々のアプローチは、深い畳み込みニューラルネットワークから破損した特徴を発見し、動的に学習されたマスクによってそれらをきれいにする。
論文参考訳（メタデータ） (2021-08-21T09:08:41Z)
Efficient Masked Face Recognition Method during the COVID-19 Pandemic [4.13365552362244]
新型コロナウイルス(COVID-19)は異例の危機であり、多くの死傷者やセキュリティ上の問題に繋がる。新型コロナウイルスの感染拡大を抑えるため、マスクを着用して身を守ることが多い。これにより、顔の一部が隠されているため、顔認識は非常に難しいタスクとなる。
論文参考訳（メタデータ） (2021-05-07T01:32:37Z)
Unmasking Face Embeddings by Self-restrained Triplet Loss for Accurate Masked Face Recognition [6.865656740940772]
マスク付き顔認識性能を改善するためのソリューションを提案する。具体的には,既存の顔認識モデル上で動作させるEmbedding Unmasking Model (EUM)を提案する。また、EUMが同一アイデンティティのマスクされていない顔のこれらに類似した埋め込みを作成することを可能にする新しい損失関数、自己拘束トリプルト(SRT)を提案します。
論文参考訳（メタデータ） (2021-03-02T13:43:11Z)
Face Hallucination via Split-Attention in Split-Attention Network [58.30436379218425]
畳み込みニューラルネットワーク(CNN)は、顔幻覚を促進するために広く用いられている。顔の全体像とテクスチャの細部を同時に考慮し,新たな内部分割注意グループ(ESAG)を提案する。これら2つの経路から特徴を融合させることにより、顔の構造の整合性と顔の詳細の忠実度が強化される。
論文参考訳（メタデータ） (2020-10-22T10:09:31Z)
DotFAN: A Domain-transferred Face Augmentation Network for Pose and Illumination Invariant Face Recognition [94.96686189033869]
本稿では,3次元モデルを用いたドメイン転送型顔強調ネットワーク(DotFAN)を提案する。 DotFANは、他のドメインから収集された既存のリッチフェイスデータセットから抽出された知識に基づいて、入力顔の一連の変種を生成することができる。実験によると、DotFANは、クラス内の多様性を改善するために、小さな顔データセットを増やすのに有益である。
論文参考訳（メタデータ） (2020-02-23T08:16:34Z)

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。