論文の概要: Face Reconstruction with Variational Autoencoder and Face Masks

• arxiv url: http://arxiv.org/abs/2112.02139v1
• Date: Fri, 3 Dec 2021 19:49:52 GMT
• ステータス: 処理完了
• システム内更新日: 2021-12-11 07:06:44.504008
• Title: Face Reconstruction with Variational Autoencoder and Face Masks
• Title（参考訳）: 変分オートエンコーダとフェイスマスクを用いた顔再建
• Authors: Rafael S. Toledo, Eric A. Antonelo
• Abstract要約: 本研究では,顔面再建のためのVAEのトレーニングにマスクが有効かを検討した。 celebAデータセットを用いて提案手法の評価を行った。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Variational AutoEncoders (VAE) employ deep learning models to learn a continuous latent z-space that is subjacent to a high-dimensional observed dataset. With that, many tasks are made possible, including face reconstruction and face synthesis. In this work, we investigated how face masks can help the training of VAEs for face reconstruction, by restricting the learning to the pixels selected by the face mask. An evaluation of the proposal using the celebA dataset shows that the reconstructed images are enhanced with the face masks, especially when SSIM loss is used either with l1 or l2 loss functions. We noticed that the inclusion of a decoder for face mask prediction in the architecture affected the performance for l1 or l2 loss functions, while this was not the case for the SSIM loss. Besides, SSIM perceptual loss yielded the crispest samples between all hypotheses tested, although it shifts the original color of the image, making the usage of the l1 or l2 losses together with SSIM helpful to solve this issue.
• Abstract（参考訳）: 変分オートエンコーダ(VAE)は、ディープラーニングモデルを用いて、高次元観測データセットに類似した連続潜時z空間を学習する。 これにより、顔再構成や顔合成など、多くのタスクが可能になる。 本研究では,顔マスクが選択した画素に学習を限定することにより,顔再建のためのvaesの訓練に顔マスクがどう役立つかを検討した。 celebAデータセットを用いて提案手法の評価を行った結果,特にSSIM損失がl1またはl2損失関数で使用される場合,顔マスクで再構成画像が強化されることがわかった。 フェースマスク予測のためのデコーダをアーキテクチャに組み込むと,l1やl2の損失関数の性能に影響を及ぼすが,SSIMの損失には影響しないことがわかった。 さらに、SSIMの知覚的損失は、テストされた全ての仮説の間の最も鮮明なサンプルを得たが、画像の原色は変化し、SSIMと共にl1またはl2の損失が用いられるようになった。

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)
• Masked Student Dataset of Expressions [1.52292571922932]
  本研究では,1,960個の実世界の非マスク顔画像と1,142個の顔画像からなる新しいデータセットを提案する。 難解な顔の特徴に加えて、マスクされたFERの他の微妙な問題がデータセットにどのように表現されているかを説明します。 この課題に対処するために、コントラスト学習と知識蒸留という2つの訓練パラダイムを検証し、マスクシナリオにおけるモデルの性能向上と、非マスク性能の維持を両立させる。
  論文  参考訳（メタデータ） (2023-04-07T23:43:21Z)
• Learning Representations for Masked Facial Recovery [8.124282476398843]
  近年のパンデミックは 公共の場で 防護マスクを着用している人が 劇的に増えています この問題に対処する1つの方法は、前処理のステップとして、フェイスリカバリメソッドに戻ることです。 マスクを被った同一人物の画像から顔画像の復元に特有な方法を提案する。
  論文  参考訳（メタデータ） (2022-12-28T22:22:15Z)
• FaceMAE: Privacy-Preserving Face Recognition via Masked Autoencoders [81.21440457805932]
  顔のプライバシと認識性能を同時に考慮する新しいフレームワークFaceMAEを提案する。 ランダムにマスクされた顔画像は、FaceMAEの再構築モジュールのトレーニングに使用される。 また、いくつかの公開顔データセット上で十分なプライバシー保護顔認証を行う。
  論文  参考訳（メタデータ） (2022-05-23T07:19:42Z)
• Mask-invariant Face Recognition through Template-level Knowledge Distillation [3.727773051465455]
  マスクは従来の顔認識システムの性能に影響を与える。 マスク不変顔認識ソリューション(MaskInv)を提案する。 蒸留された知識に加えて、学生ネットワークは、マージンベースのアイデンティティ分類損失による追加ガイダンスの恩恵を受ける。
  論文  参考訳（メタデータ） (2021-12-10T16:19:28Z)
• 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)
• Network Architecture Search for Face Enhancement [82.25775020564654]
  我々は、NASFE(Network Architecture Search for Face Enhancement)と呼ばれるマルチタスクの顔復元ネットワークを提案する。 NASFEは、単一の劣化(すなわち)を含む低品質の顔画像を高めることができる。 ノイズまたはぼやけ)または複数の劣化(ノイズ+ブラル+ローライト)
  論文  参考訳（メタデータ） (2021-05-13T19:46:05Z)
• Image Inpainting by End-to-End Cascaded Refinement with Mask Awareness [66.55719330810547]
  任意の欠落領域を塗りつぶすことは、様々なマスクされた領域で有効な特徴を学ぶことは非自明だから難しい。 符号化フェーズにおける欠落領域のマルチスケール特徴を学習する新しいマスク対応インペイントソリューションを提案する。 私たちのフレームワークは、3つの公開データセットに関する広範な実験を通じて定量的および定性的に検証されます。
  論文  参考訳（メタデータ） (2021-04-28T13:17:47Z)
• Towards NIR-VIS Masked Face Recognition [47.00916333095693]
  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。
  論文  参考訳（メタデータ） (2021-04-14T10:40:09Z)
• Contrastive Context-Aware Learning for 3D High-Fidelity Mask Face Presentation Attack Detection [103.7264459186552]
  顔認識システムには、顔提示攻撃検出(PAD)が不可欠である。 ほとんどの既存の3DマスクPADベンチマークにはいくつかの欠点があります。 現実世界のアプリケーションとのギャップを埋めるために、大規模なハイファイアリティマスクデータセットを紹介します。
  論文  参考訳（メタデータ） (2021-04-13T12:48:38Z)

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。