論文の概要: Pose Attention-Guided Profile-to-Frontal Face Recognition

• arxiv url: http://arxiv.org/abs/2209.07001v1
• Date: Thu, 15 Sep 2022 02:06:31 GMT
• ステータス: 処理完了
• システム内更新日: 2022-09-16 12:52:00.721387
• Title: Pose Attention-Guided Profile-to-Frontal Face Recognition
• Title（参考訳）: ポーズの注意誘導型プロファイル対面顔認識
• Authors: Moktari Mostofa, Mohammad Saeed Ebrahimi Saadabadi, Sahar Rahimi Malakshan, and Nasser M. Nasrabadi
• Abstract要約: 本稿では,アテンション機構を介してポーズを補助情報として活用するための新しいアプローチを提案する。 我々は、プロファイル顔からポーズ非依存の特徴抽出を特別に導くために、新しいポーズアテンションブロック(PAB)を開発した。 より具体的に言うと、PABはネットワークがチャネル次元と空間次元の両方に沿って重要な特徴に焦点を合わせるのに役立つように設計されている。
• 参考スコア（独自算出の注目度）: 13.96448286983864
• License: http://creativecommons.org/licenses/by-nc-nd/4.0/
• Abstract: In recent years, face recognition systems have achieved exceptional success due to promising advances in deep learning architectures. However, they still fail to achieve expected accuracy when matching profile images against a gallery of frontal images. Current approaches either perform pose normalization (i.e., frontalization) or disentangle pose information for face recognition. We instead propose a new approach to utilize pose as an auxiliary information via an attention mechanism. In this paper, we hypothesize that pose attended information using an attention mechanism can guide contextual and distinctive feature extraction from profile faces, which further benefits a better representation learning in an embedded domain. To achieve this, first, we design a unified coupled profile-to-frontal face recognition network. It learns the mapping from faces to a compact embedding subspace via a class-specific contrastive loss. Second, we develop a novel pose attention block (PAB) to specially guide the pose-agnostic feature extraction from profile faces. To be more specific, PAB is designed to explicitly help the network to focus on important features along both channel and spatial dimension while learning discriminative yet pose invariant features in an embedding subspace. To validate the effectiveness of our proposed method, we conduct experiments on both controlled and in the wild benchmarks including Multi-PIE, CFP, IJBC, and show superiority over the state of the arts.
• Abstract（参考訳）: 近年、ディープラーニングアーキテクチャの有望な進歩により、顔認識システムは非常に成功している。 しかし、前面画像のギャラリーとプロファイル画像が一致する場合、予測された精度を達成できない。 現在のアプローチでは、正則化(すなわち、フロンダライゼーション)を行うか、顔認識のための情報を歪めている。 そこで我々は,アテンション機構を介してポーズを補助情報として活用するための新しいアプローチを提案する。 本稿では,アテンション機構を用いたポーズ提示が,プロファイル顔からの文脈的特徴抽出や特徴抽出を導くことができると仮定し,組込み領域における表現学習がさらに向上することを示す。 まず,統合された顔と正面の顔の認識ネットワークを設計する。 クラス固有の対照的な損失を通じて、顔からコンパクトな埋め込み部分空間へのマッピングを学習する。 第2に,プロファイル顔からのポーズ非依存特徴抽出を特別に導く新しいポーズアテンションブロック(pab)を開発した。 より具体的に言うと、PABはネットワークがチャネル次元と空間次元の両方に沿って重要な特徴に焦点を合わせるのに役立ち、識別性は学習しながら、埋め込み部分空間において不変な特徴を呈する。 提案手法の有効性を検証するために,マルチパイ,cfp,ijbcなどのワイルドベンチマークとコントロールベンチマークの両方で実験を行い,最先端の芸術に優越性を示す。

関連論文リスト

• Diff-Privacy: Diffusion-based Face Privacy Protection [58.1021066224765]
  本稿では,Diff-Privacyと呼ばれる拡散モデルに基づく顔のプライバシー保護手法を提案する。 具体的には、提案したマルチスケール画像インバージョンモジュール(MSI)をトレーニングし、元の画像のSDMフォーマット条件付き埋め込みのセットを得る。 本研究は,条件付き埋め込みに基づいて,組込みスケジューリング戦略を設計し,デノナイズプロセス中に異なるエネルギー関数を構築し,匿名化と視覚的アイデンティティ情報隠蔽を実現する。
  論文  参考訳（メタデータ） (2023-09-11T09:26:07Z)
• 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)
• Pose-disentangled Contrastive Learning for Self-supervised Facial Representation [12.677909048435408]
  本稿では,汎用的な自己監督型顔表情表現のための,Pose-disentangled Contrastive Learning (PCL) 手法を提案する。 当社のPCLは、まず、顔認識機能からポーズ関連機能を切り離した、ポーズ異形デコーダ(PDD)を考案した。 次に、同じ画像のデータ拡張に基づいてポーズ関連情報を学習する、ポーズ関連コントラスト学習手法を提案する。
  論文  参考訳（メタデータ） (2022-11-24T09:30:51Z)
• 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)
• OPOM: Customized Invisible Cloak towards Face Privacy Protection [58.07786010689529]
  我々は、新しいタイプのカスタマイズクロークに基づく技術の観点から、顔のプライバシ保護について検討する。 本研究では,個人固有の(クラスワイドな)ユニバーサルマスクを生成するために,1人1マスク(OPOM)という新しい手法を提案する。 提案手法の有効性を,共通データセットと有名データセットの両方で評価した。
  論文  参考訳（メタデータ） (2022-05-24T11:29:37Z)
• Profile to Frontal Face Recognition in the Wild Using Coupled Conditional GAN [23.903991257669492]
  プロファイル顔認識に有用なポーズ不変の深層表現を学習することは困難である。 我々は,条件付き生成対向ネットワーク(cpGAN)構造を利用して,プロファイルと正面画像の隠れた関係を見出す。 また,正面顔認識のための複合畳み込みニューラルネットワーク (cpCNN) と対角識別ドメイン適応ネットワーク (ADDA) を実装した。
  論文  参考訳（メタデータ） (2021-07-29T04:33:43Z)
• Attention-guided Progressive Mapping for Profile Face Recognition [12.792576041526289]
  顔認証のクロスポーズは依然として重要な課題である。 正面の顔の特徴空間にトラバースすることで、ポーズ・ロバストな特徴を学習することは、この問題を緩和するための効果的で安価な方法を提供する。
  論文  参考訳（メタデータ） (2021-06-27T02:21:41Z)
• Privacy-Preserving Image Features via Adversarial Affine Subspace Embeddings [72.68801373979943]
  多くのコンピュータビジョンシステムでは、ユーザーは画像処理とストレージのためにイメージ機能をクラウドにアップロードする必要がある。 本稿では,新しいプライバシー保護機能表現を提案する。 従来の特徴と比較すると,敵が個人情報を回収するのは極めて困難である。
  論文  参考訳（メタデータ） (2020-06-11T17:29:48Z)
• PF-cpGAN: Profile to Frontal Coupled GAN for Face Recognition in the Wild [22.78667743907491]
  多くのディープ・フェース・モデルでは、正面のフェースに比べてプロファイル・フェースを扱いにくい。 我々は、この接続を利用して、プロファイル顔と正面顔を共通の潜在空間に投影する。 プロファイルと正面画像の隠れた関係を見つけるために,cpGAN構造を利用する。
  論文  参考訳（メタデータ） (2020-04-25T09:01:54Z)
• Dual-Attention GAN for Large-Pose Face Frontalization [59.689836951934694]
  本稿では,フォトリアリスティック顔フロンダル化のためのDA-GAN(Dual-Attention Generative Adversarial Network)を提案する。 具体的には、ローカル機能と長距離依存関係を統合するために、自己アテンションベースのジェネレータが導入された。 顔領域の局所的特徴を強調するために,新しい顔認識に基づく識別器を適用した。
  論文  参考訳（メタデータ） (2020-02-17T20:00:56Z)

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。