論文の概要: Disentangled Face Identity Representations for joint 3D Face Recognition
and Expression Neutralisation
- arxiv url: http://arxiv.org/abs/2104.10273v1
- Date: Tue, 20 Apr 2021 22:33:10 GMT
- ステータス: 処理完了
- システム内更新日: 2021-04-23 00:46:23.756604
- Title: Disentangled Face Identity Representations for joint 3D Face Recognition
and Expression Neutralisation
- Title(参考訳): 連立3次元顔認識と表現中性化のための不整形顔識別表現
- Authors: Anis Kacem, Kseniya Cherenkova, Djamila Aouada
- Abstract要約: 提案手法は,3次元顔が与えられた場合,不整合性表現を抽出するだけでなく,その同一性を予測しながら中性表現を伴う現実的な3次元顔を生成する。
提案するネットワークは,(1)3次元顔から潜在表現を符号化するグラフ畳み込みオートエンコーダ(gca),(2)潜在表現を中性顔の表現に変換する生成逆ネットワーク(gan)、(3)3次元顔認識のための中性潜在表現を利用した識別サブネットワークの3つの構成要素から構成されている。
- 参考スコア(独自算出の注目度): 20.854071758664297
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: In this paper, we propose a new deep learning-based approach for
disentangling face identity representations from expressive 3D faces. Given a
3D face, our approach not only extracts a disentangled identity representation
but also generates a realistic 3D face with a neutral expression while
predicting its identity. The proposed network consists of three components; (1)
a Graph Convolutional Autoencoder (GCA) to encode the 3D faces into latent
representations, (2) a Generative Adversarial Network (GAN) that translates the
latent representations of expressive faces into those of neutral faces, (3) and
an identity recognition sub-network taking advantage of the neutralized latent
representations for 3D face recognition. The whole network is trained in an
end-to-end manner. Experiments are conducted on three publicly available
datasets showing the effectiveness of the proposed approach.
- Abstract(参考訳): 本稿では,表現型3d顔から顔識別表現を分離する深層学習に基づく新しいアプローチを提案する。
提案手法は,3次元顔が与えられた場合,不整合性表現を抽出するだけでなく,その同一性を予測しながら中性表現を伴う現実的な3次元顔を生成する。
提案するネットワークは,(1)3次元面を潜在表現に変換するグラフ畳み込みオートエンコーダ(gca),(2)表現面の潜在表現を中性面の表現に変換する生成逆ネットワーク(gan),(3)中性化された潜在表現を活用した識別サブネットワーク,の3つの構成要素からなる。
ネットワーク全体がエンドツーエンドでトレーニングされる。
提案手法の有効性を示す3つの公開データセットで実験を行った。
関連論文リスト
- Unsupervised Disentangling of Facial Representations with 3D-aware
Latent Diffusion Models [19.766682414244023]
顔表現と同一性表現のための非教師付き非教師付きアンタングリングフレームワークであるLatentFaceを提案する。
まず,顔画像を3次元ラテント埋め込みに符号化する3D対応オートエンコーダを提案する。
第2に,顔の識別と表情に3D潜伏する新しい表現拡散モデル(RDM)を提案する。
論文 参考訳(メタデータ) (2023-09-15T09:34:05Z) - Generating 2D and 3D Master Faces for Dictionary Attacks with a
Network-Assisted Latent Space Evolution [68.8204255655161]
マスターフェイス(英: master face)とは、人口の比率の高い顔認証をパスする顔画像である。
2次元および3次元の顔認証モデルに対して,これらの顔の最適化を行う。
3Dでは,2次元スタイルGAN2ジェネレータを用いて顔を生成し,深部3次元顔再構成ネットワークを用いて3次元構造を予測する。
論文 参考訳(メタデータ) (2022-11-25T09:15:38Z) - Semantic-aware One-shot Face Re-enactment with Dense Correspondence
Estimation [100.60938767993088]
ワンショットの顔の再現は、ソースと駆動する顔の同一性ミスマッチのため、難しい作業である。
本稿では,3次元形態素モデル(3DMM)を明示的な顔のセマンティックな分解とアイデンティティの絡み合いに利用することを提案する。
論文 参考訳(メタデータ) (2022-11-23T03:02:34Z) - Controllable 3D Generative Adversarial Face Model via Disentangling
Shape and Appearance [63.13801759915835]
3次元顔モデリングはコンピュータビジョンとコンピュータグラフィックスの研究の活発な領域である。
本稿では,識別と表現を分離できる新しい3次元顔生成モデルを提案する。
論文 参考訳(メタデータ) (2022-08-30T13:40:48Z) - FaceTuneGAN: Face Autoencoder for Convolutional Expression Transfer
Using Neural Generative Adversarial Networks [0.7043489166804575]
顔の識別と表情を分離して符号化する新しい3次元顔モデル表現であるFaceTuneGANを提案する。
本稿では,2次元領域で使用されている画像と画像の変換ネットワークを3次元顔形状に適応させる手法を提案する。
論文 参考訳(メタデータ) (2021-12-01T14:42:03Z) - Face-GCN: A Graph Convolutional Network for 3D Dynamic Face
Identification/Recognition [21.116748155592752]
顔のキーポイントに基づく動的3次元顔認識のための新しいフレームワークを提案する。
表情の動的列は時間グラフとして表現され、3次元の顔のランドマークを用いて構築される。
我々は,動的3次元表情データセットに対するアプローチを評価する。
論文 参考訳(メタデータ) (2021-04-19T09:05:39Z) - Learning 3D Face Reconstruction with a Pose Guidance Network [49.13404714366933]
ポーズ誘導ネットワーク(PGN)を用いた単眼3次元顔再構成学習のための自己指導型学習手法を提案する。
まず,従来のパラメトリックな3次元顔の学習手法におけるポーズ推定のボトルネックを明らかにし,ポーズパラメータの推定に3次元顔のランドマークを活用することを提案する。
我々のデザインしたPGNでは、完全にラベル付けされた3Dランドマークと無制限にラベル付けされた未使用の顔画像で両方の顔から学習できる。
論文 参考訳(メタデータ) (2020-10-09T06:11:17Z) - 3D Dense Geometry-Guided Facial Expression Synthesis by Adversarial
Learning [54.24887282693925]
本稿では,3次元密度(深度,表面正規度)情報を表現操作に用いる新しいフレームワークを提案する。
既製の最先端3D再構成モデルを用いて深度を推定し,大規模RGB-Depthデータセットを作成する。
実験により,提案手法は競争ベースラインと既存の芸術を大きなマージンで上回ることを示した。
論文 参考訳(メタデータ) (2020-09-30T17:12:35Z) - Multi-channel Deep 3D Face Recognition [4.726009758066045]
2次元顔認証の精度は、ポーズ、照明、メイクアップ、表情の変化によって依然として疑問視されている。
本稿では,3次元顔データに基づく顔認識のためのマルチチャネルディープ3次元顔ネットワークを提案する。
マルチチャネル深部3次元顔ネットワークの顔認識精度は98.6。
論文 参考訳(メタデータ) (2020-09-30T15:29:05Z) - Differential 3D Facial Recognition: Adding 3D to Your State-of-the-Art
2D Method [90.26041504667451]
能動照明を応用して最先端の2D顔認証手法を3次元特徴量で拡張できることが示唆された。
提案手法は顔認識性能を大幅に向上させ,スプーフィング攻撃に対するロバスト性を劇的に向上させる。
論文 参考訳(メタデータ) (2020-04-03T20:17:14Z)
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。