論文の概要: Vec2Face-v2: Unveil Human Faces from their Blackbox Features via Attention-based Network in Face Recognition

• arxiv url: http://arxiv.org/abs/2209.04920v2
• Date: Fri, 1 Sep 2023 20:51:48 GMT
• ステータス: 処理完了
• システム内更新日: 2023-09-07 07:33:05.681365
• Title: Vec2Face-v2: Unveil Human Faces from their Blackbox Features via Attention-based Network in Face Recognition
• Title（参考訳）: vec2face-v2: 顔認識における注意に基づくネットワークによるブラックボックス機能から人間の顔を表示する
• Authors: Thanh-Dat Truong, Chi Nhan Duong, Ngan Le, Marios Savvides, Khoa Luu
• Abstract要約: 蒸留フレームワーク(DAB-GAN)における意図に基づく客観的生成適応ネットワーク(Bijective Generative Adversarial Networks)と呼ばれる新しい手法を提案する。 DAB-GAN法は、新しく定義されたBijective Metrics Learningアプローチによる、新しい注意に基づく生成構造を含む。 我々は,難解な顔認識データベースについて評価を行った。
• 参考スコア（独自算出の注目度）: 36.23997331928846
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: In this work, we investigate the problem of face reconstruction given a facial feature representation extracted from a blackbox face recognition engine. Indeed, it is a very challenging problem in practice due to the limitations of abstracted information from the engine. We, therefore, introduce a new method named Attention-based Bijective Generative Adversarial Networks in a Distillation framework (DAB-GAN) to synthesize the faces of a subject given his/her extracted face recognition features. Given any unconstrained unseen facial features of a subject, the DAB-GAN can reconstruct his/her facial images in high definition. The DAB-GAN method includes a novel attention-based generative structure with the newly defined Bijective Metrics Learning approach. The framework starts by introducing a bijective metric so that the distance measurement and metric learning process can be directly adopted in the image domain for an image reconstruction task. The information from the blackbox face recognition engine will be optimally exploited using the global distillation process. Then an attention-based generator is presented for a highly robust generator to synthesize realistic faces with ID preservation. We have evaluated our method on the challenging face recognition databases, i.e., CelebA, LFW, CFP-FP, CP-LFW, AgeDB, CA-LFW, and consistently achieved state-of-the-art results. The advancement of DAB-GAN is also proven in both image realism and ID preservation properties.
• Abstract（参考訳）: 本研究では,ブラックボックス顔認識エンジンから抽出した顔特徴表現を与えられた顔再建の問題について検討する。 実際、エンジンからの抽象化された情報の制限のため、実際には非常に難しい問題です。 そこで本稿では, 被験者の顔の特徴を抽出し, 対象者の顔の合成を行うための, 意識に基づく客観的生成適応ネットワーク(DAB-GAN)を提案する。 DAB-GANは、被検者の目に見えない顔の特徴を考慮し、高い定義で顔の画像を再構成することができる。 DAB-GAN法は、新しく定義されたBijective Metrics Learningアプローチによる新しい注意に基づく生成構造を含む。 このフレームワークは、画像再構成タスクのために距離計測およびメトリック学習プロセスを画像領域に直接適用できるように、単射的メトリックを導入することから始まります。 blackboxの顔認識エンジンからの情報は、グローバル蒸留プロセスを用いて最適に活用される。 そして、注意に基づくジェネレータを高堅牢なジェネレータに提示し、現実的な顔をID保存で合成する。 我々は,CelebA,LFW,CFP-FP,CP-LFW,AdageDB,CA-LFWといった難易度の高い顔認識データベースについて評価を行った。 DAB-GANの進歩は、画像リアリズムとID保存特性の両方で証明されている。

関連論文リスト

• OSDFace: One-Step Diffusion Model for Face Restoration [72.5045389847792]
  拡散モデルは、顔の修復において顕著な性能を示した。 顔復元のための新しいワンステップ拡散モデルOSDFaceを提案する。 その結果,OSDFaceは現状のSOTA(State-of-the-art)手法を視覚的品質と定量的指標の両方で上回っていることがわかった。
  論文  参考訳（メタデータ） (2024-11-26T07:07:48Z)
• G2Face: High-Fidelity Reversible Face Anonymization via Generative and Geometric Priors [71.69161292330504]
  可逆顔匿名化(Reversible face anonymization)は、顔画像の繊細なアイデンティティ情報を、合成された代替品に置き換えようとしている。 本稿では,Gtextsuperscript2Faceを提案する。 提案手法は,高データの有効性を保ちながら,顔の匿名化と回復において既存の最先端技術よりも優れる。
  論文  参考訳（メタデータ） (2024-08-18T12:36:47Z)
• Attribute-preserving Face Dataset Anonymization via Latent Code Optimization [64.4569739006591]
  本稿では,事前学習したGANの潜時空間における画像の潜時表現を直接最適化するタスク非依存匿名化手法を提案する。 我々は一連の実験を通して、我々の手法が画像の同一性を匿名化できる一方で、顔の属性をより保存できることを実証した。
  論文  参考訳（メタデータ） (2023-03-20T17:34:05Z)
• DuetFace: Collaborative Privacy-Preserving Face Recognition via Channel Splitting in the Frequency Domain [23.4606547767188]
  DuetFaceは、周波数領域における協調推論を利用するプライバシー保護の顔認識手法である。 提案手法は、保護されていないArcFaceと同等の認識精度とコストを達成し、最先端のプライバシ保存手法より優れている。
  論文  参考訳（メタデータ） (2022-07-15T08:35:44Z)
• Graph-based Generative Face Anonymisation with Pose Preservation [49.18049578591058]
  AnonyGANは、顔の匿名化のためのGANベースのソリューションである。 ソースアイデンティティに対応する視覚情報を、任意の単一のイメージとして提供される条件IDに置き換える。
  論文  参考訳（メタデータ） (2021-12-10T12:58:17Z)
• 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)
• 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)
• Vec2Face: Unveil Human Faces from their Blackbox Features in Face Recognition [29.106746021757168]
  本稿では,Bijective Metric Learning,すなわちBijective Generative Adrial Networks in a Distillation framework (DiBiGAN)を用いた新しい生成構造を提案する。 いくつかのベンチマークデータセットの結果は、画像リアリズムとID保存特性の両方においてDiBiGANの有効性を示した。
  論文  参考訳（メタデータ） (2020-03-16T00:30:54Z)
• 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。