論文の概要: Identity-Preserving Pose-Robust Face Hallucination Through Face Subspace Prior

• arxiv url: http://arxiv.org/abs/2111.10634v1
• Date: Sat, 20 Nov 2021 17:08:38 GMT
• ステータス: 処理完了
• システム内更新日: 2021-11-24 14:01:52.822579
• Title: Identity-Preserving Pose-Robust Face Hallucination Through Face Subspace Prior
• Title（参考訳）: 顔サブスペースによる身元保存型ポスロバスト顔幻覚
• Authors: Ali Abbasi and Mohammad Rahmati
• Abstract要約: 新たな顔超解像法が導入され、幻覚した顔は、利用可能な訓練面に散らばった部分空間に置かれざるを得なくなる。 3次元辞書アライメント方式も提示され、アルゴリズムは制御不能な条件下での低解像度の顔の処理が可能となる。 いくつかのよく知られた顔データセットに対して行われた広範囲な実験において、提案アルゴリズムは、詳細で地上に近い真理結果を生成することにより、顕著な性能を示す。
• 参考スコア（独自算出の注目度）: 14.353574903736343
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Over the past few decades, numerous attempts have been made to address the problem of recovering a high-resolution (HR) facial image from its corresponding low-resolution (LR) counterpart, a task commonly referred to as face hallucination. Despite the impressive performance achieved by position-patch and deep learning-based methods, most of these techniques are still unable to recover identity-specific features of faces. The former group of algorithms often produces blurry and oversmoothed outputs particularly in the presence of higher levels of degradation, whereas the latter generates faces which sometimes by no means resemble the individuals in the input images. In this paper, a novel face super-resolution approach will be introduced, in which the hallucinated face is forced to lie in a subspace spanned by the available training faces. Therefore, in contrast to the majority of existing face hallucination techniques and thanks to this face subspace prior, the reconstruction is performed in favor of recovering person-specific facial features, rather than merely increasing image quantitative scores. Furthermore, inspired by recent advances in the area of 3D face reconstruction, an efficient 3D dictionary alignment scheme is also presented, through which the algorithm becomes capable of dealing with low-resolution faces taken in uncontrolled conditions. In extensive experiments carried out on several well-known face datasets, the proposed algorithm shows remarkable performance by generating detailed and close to ground truth results which outperform the state-of-the-art face hallucination algorithms by significant margins both in quantitative and qualitative evaluations.
• Abstract（参考訳）: 過去数十年にわたり、高解像度 (HR) の顔画像が対応する低解像度 (LR) の画像から復元される問題に対処するために、多くの試みがなされてきた。 位置マッチングと深層学習に基づく手法によって達成された印象的な性能にもかかわらず、これらの技術のほとんどは、顔のアイデンティティ固有の特徴を回復することができない。 前者のアルゴリズム群は、特に高いレベルの劣化の存在下において、ぼやけた過剰な出力をしばしば生成するが、後者は入力画像の個人に決して似ていないような顔を生成する。 本稿では,新しい顔超解像法を導入し,ハロゲン化顔が利用可能な訓練顔にまたがる部分空間に置かれることを強制する。 したがって、既存の幻覚技術の大半とは対照的に、この顔のサブスペースにより、単に画像の定量的なスコアを上げるのではなく、人物特有の顔の特徴を回復することを好む。 さらに,近年の3次元顔再構成領域の進展に触発されて,非制御条件下での低解像度顔の処理が可能な効率的な3次元辞書アライメント手法も提案されている。 提案アルゴリズムは,複数のよく知られた顔データセットに対して行われた広範囲な実験において,定量評価と定性評価の両方において,最先端の顔幻覚アルゴリズムよりも優れる,詳細かつ近接した真実結果を生成することにより,顕著な性能を示す。

関連論文リスト

• 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)
• LR-to-HR Face Hallucination with an Adversarial Progressive Attribute-Induced Network [67.64536397027229]
  顔の超解像は難しい問題であり、非常に不適切な問題である。 顔の特徴を取り入れたエンドツーエンドのプログレッシブ・ラーニング・フレームワークを提案する。 提案手法は,他の最先端アプローチよりも良好な顔幻覚像が得られることを示す。
  論文  参考訳（メタデータ） (2021-09-29T19:50:45Z)
• Pro-UIGAN: Progressive Face Hallucination from Occluded Thumbnails [53.080403912727604]
  Inpainting Generative Adversarial Network, Pro-UIGANを提案する。 顔の形状を利用して、隠された小さな顔の補充とアップサンプリング(8*)を行う。 Pro-UIGANは、HR面を視覚的に満足させ、下流タスクにおいて優れたパフォーマンスを達成する。
  論文  参考訳（メタデータ） (2021-08-02T02:29:24Z)
• Joint Face Image Restoration and Frontalization for Recognition [79.78729632975744]
  現実世界のシナリオでは、大きなポーズ、悪い照明、低解像度、ぼやけ、ノイズなど、多くの要因が顔認識性能を損なう可能性がある。 それまでの努力は通常、まず品質の低い顔から高品質な顔に復元し、次に顔認識を行う。 与えられた低品質の顔からフロンダル化された高品質の顔を復元する多段階顔復元モデルを提案する。
  論文  参考訳（メタデータ） (2021-05-12T03:52:41Z)
• 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)
• Face Super-Resolution Guided by 3D Facial Priors [92.23902886737832]
  シャープな顔構造を把握した3次元顔先行情報を明示的に組み込んだ新しい顔超解像法を提案する。 我々の研究は、顔属性のパラメトリック記述の融合に基づく3次元形態的知識を初めて探求したものである。 提案した3D先行画像は、最先端技術よりも優れた顔超解像結果が得られる。
  論文  参考訳（メタデータ） (2020-07-18T15:26:07Z)
• Face Hallucination with Finishing Touches [65.14864257585835]
  本稿では,超解像とフロンティア化を同時に行うVivid Face Hallucination Generative Adversarial Network (VividGAN)を提案する。 VividGANは粗いレベルと細かなレベルのFace Hallucination Networks (FHnet)と、粗いDとファインDの2つの識別器で構成されている。 実験により、VvidGANは、フォトリアリスティックな正面HR面を達成し、下流タスクにおいて優れた性能を達成できることが示された。
  論文  参考訳（メタデータ） (2020-02-09T07:33:48Z)

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。