論文の概要: Heterogeneous Face Recognition via Face Synthesis with Identity-Attribute Disentanglement

• arxiv url: http://arxiv.org/abs/2206.04854v1
• Date: Fri, 10 Jun 2022 03:01:33 GMT
• ステータス: 処理完了
• システム内更新日: 2022-06-13 15:37:10.412398
• Title: Heterogeneous Face Recognition via Face Synthesis with Identity-Attribute Disentanglement
• Title（参考訳）: 識別属性による顔合成による不均一顔認識
• Authors: Ziming Yang, Jian Liang, Chaoyou Fu, Mandi Luo, Xiao-Yu Zhang
• Abstract要約: Heterogeneous Face Recognition (HFR)は、異なるドメインの顔にマッチすることを目的としている。 FSIAD (Face Synthesis with Identity-Attribute Disentanglement) という新しいHFR手法を提案する。 FSIADは顔画像をアイデンティティ関連表現とアイデンティティ非関連表現(属性と呼ばれる)に分離する
• 参考スコア（独自算出の注目度）: 33.42679052386639
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Heterogeneous Face Recognition (HFR) aims to match faces across different domains (e.g., visible to near-infrared images), which has been widely applied in authentication and forensics scenarios. However, HFR is a challenging problem because of the large cross-domain discrepancy, limited heterogeneous data pairs, and large variation of facial attributes. To address these challenges, we propose a new HFR method from the perspective of heterogeneous data augmentation, named Face Synthesis with Identity-Attribute Disentanglement (FSIAD). Firstly, the identity-attribute disentanglement (IAD) decouples face images into identity-related representations and identity-unrelated representations (called attributes), and then decreases the correlation between identities and attributes. Secondly, we devise a face synthesis module (FSM) to generate a large number of images with stochastic combinations of disentangled identities and attributes for enriching the attribute diversity of synthetic images. Both the original images and the synthetic ones are utilized to train the HFR network for tackling the challenges and improving the performance of HFR. Extensive experiments on five HFR databases validate that FSIAD obtains superior performance than previous HFR approaches. Particularly, FSIAD obtains 4.8% improvement over state of the art in terms of VR@FAR=0.01% on LAMP-HQ, the largest HFR database so far.
• Abstract（参考訳）: Heterogeneous Face Recognition (HFR) は、認証や法医学のシナリオに広く応用されている、異なる領域(例えば近赤外線画像)にわたる顔のマッチングを目的としている。 しかし、HFRは、大きなドメイン間の相違、限られた異種データペア、および顔属性の大きなバリエーションのため、難しい問題である。 これらの課題に対処するため,FSIAD (Face Synthesis with Identity-Attribute Disentanglement) という異種データ拡張の観点から新しいHFR手法を提案する。 第一に、IAD(Identity-Atribute Disentanglement)は、顔画像をアイデンティティ関連表現とID非関連表現(属性と呼ばれる)に分解し、アイデンティティと属性の相関を減少させる。 次に, 顔合成モジュール (FSM) を考案し, 合成画像の属性の多様性を高めるために, 不整形アイデンティティと属性の確率的組み合わせによる多数の画像を生成する。 原画像と合成画像の両方を用いて、HFRネットワークをトレーニングし、課題に対処し、HFRの性能を向上させる。 5つのHFRデータベースに対する大規模な実験により、FSIADが従来のHFRアプローチよりも優れた性能を得ることを確認した。 特にFSIADは、これまで最大のHFRデータベースであるLAMP-HQでVR@FAR=0.01%で、最先端技術よりも4.8%改善されている。

関連論文リスト

• ID$^3$: Identity-Preserving-yet-Diversified Diffusion Models for Synthetic Face Recognition [60.15830516741776]
  合成顔認識(SFR)は、実際の顔データの分布を模倣するデータセットを生成することを目的としている。 拡散燃料SFRモデルであるtextID3$を紹介します。 textID3$はID保存損失を利用して、多様だがアイデンティティに一貫性のある顔の外観を生成する。
  論文  参考訳（メタデータ） (2024-09-26T06:46:40Z)
• FaceDancer: Pose- and Occlusion-Aware High Fidelity Face Swapping [62.38898610210771]
  そこで我々は,FaceDancerという顔のスワップとID転送のための新しい単一ステージ手法を提案する。 アダプティブ・フィーチャー・フュージョン・アテンション(AFFA)と解釈的特徴類似性規則化(IFSR)の2つの主要なコントリビューションがある。
  論文  参考訳（メタデータ） (2022-10-19T11:31:38Z)
• When Age-Invariant Face Recognition Meets Face Age Synthesis: A Multi-Task Learning Framework and A New Benchmark [45.31997043789471]
  MTLFaceは、モデル解釈のための表情合成を行いながら、年齢不変の識別関連表現を顔認識のために学習することができる。 我々は、年齢と性別のアノテーションを備えた大規模な顔データセットと、長寿児の追跡に特化して設計された新しいベンチマークをリリースする。
  論文  参考訳（メタデータ） (2022-10-17T07:04:19Z)
• Escaping Data Scarcity for High-Resolution Heterogeneous Face Hallucination [68.78903256687697]
  Heterogeneous Face Recognition (HFR) では、視覚や熱といった2つの異なる領域にまたがる顔のマッチングが目的である。 合成によるギャップを埋めようとする最近の手法は有望な結果を得たが、ペアトレーニングデータの不足により、その性能は依然として制限されている。 本稿では,HFRのための新しい顔幻覚パラダイムを提案する。これはデータ効率のよい合成を可能にするだけでなく,プライバシポリシーを破ることなくモデルトレーニングのスケールアップを可能にする。
  論文  参考訳（メタデータ） (2022-03-30T20:44:33Z)
• SuperFront: From Low-resolution to High-resolution Frontal Face Synthesis [65.35922024067551]
  本稿では,前頭前頭部を保存した高品質なアイデンティティを生成できるGANモデルを提案する。 具体的には,高分解能(HR)面を1対多のLR面から様々なポーズで合成するSuperFront-GANを提案する。 超高解像度のサイドビューモジュールをSF-GANに統合し、人事空間におけるアイデンティティ情報とサイドビューの詳細を保存します。
  論文  参考訳（メタデータ） (2020-12-07T23:30:28Z)
• DVG-Face: Dual Variational Generation for Heterogeneous Face Recognition [85.94331736287765]
  我々は、HFRを二重生成問題として定式化し、新しいDual Variational Generation(DVG-Face)フレームワークを用いてそれに取り組む。 大規模可視データの豊富なアイデンティティ情報を結合分布に統合する。 同一の同一性を持つ多種多様な多種多様な画像は、ノイズから生成することができる。
  論文  参考訳（メタデータ） (2020-09-20T09:48:24Z)
• 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。