論文の概要: Learning Domain and Pose Invariance for Thermal-to-Visible Face Recognition

• arxiv url: http://arxiv.org/abs/2211.09350v1
• Date: Thu, 17 Nov 2022 05:24:02 GMT
• ステータス: 処理完了
• システム内更新日: 2022-11-18 16:21:22.381795
• Title: Learning Domain and Pose Invariance for Thermal-to-Visible Face Recognition
• Title（参考訳）: 熱可視顔認識のための学習領域とポーズ不変性
• Authors: Cedric Nimpa Fondje and Shuowen Hu and Benjamin S. Riggan
• Abstract要約: 本稿では、ドメインを同時に学習し、不変表現をポーズする新しいドメイン・アンド・ポース不変フレームワークを提案する。 提案フレームワークは,オフポジション熱画像と正面可視顔画像から最も相関の深い中間表現を抽出するための改良されたネットワークで構成されている。 DPIFは,前頭部のサーマルフェース画像と前頭部のサーマルフェース画像とをマッチングする際に,DPIFが性能を向上させることも示している。
• 参考スコア（独自算出の注目度）: 6.454199265634863
• License: http://creativecommons.org/licenses/by-sa/4.0/
• Abstract: Interest in thermal to visible face recognition has grown significantly over the last decade due to advancements in thermal infrared cameras and analytics beyond the visible spectrum. Despite large discrepancies between thermal and visible spectra, existing approaches bridge domain gaps by either synthesizing visible faces from thermal faces or by learning the cross-spectrum image representations. These approaches typically work well with frontal facial imagery collected at varying ranges and expressions, but exhibit significantly reduced performance when matching thermal faces with varying poses to frontal visible faces. We propose a novel Domain and Pose Invariant Framework that simultaneously learns domain and pose invariant representations. Our proposed framework is composed of modified networks for extracting the most correlated intermediate representations from off-pose thermal and frontal visible face imagery, a sub-network to jointly bridge domain and pose gaps, and a joint-loss function comprised of cross-spectrum and pose-correction losses. We demonstrate efficacy and advantages of the proposed method by evaluating on three thermal-visible datasets: ARL Visible-to-Thermal Face, ARL Multimodal Face, and Tufts Face. Although DPIF focuses on learning to match off-pose thermal to frontal visible faces, we also show that DPIF enhances performance when matching frontal thermal face images to frontal visible face images.
• Abstract（参考訳）: 熱から目に見える顔認識への関心は、熱赤外カメラの進歩と可視スペクトルを超えた分析により、過去10年間で大きく伸びている。 熱スペクトルと可視スペクトルの間に大きな相違があるにもかかわらず、既存のアプローチは、熱面から可視面を合成するか、あるいはクロススペクトル画像表現を学習することによってドメインギャップを埋める。 これらのアプローチは、通常、様々な範囲や表現で収集された正面の顔画像とうまく機能するが、正面の目に見える顔に異なるポーズを合わせると、著しく性能が低下する。 本稿では,ドメインを同時に学習し,不変表現を提示する新しいドメイン不変フレームワークを提案する。 提案フレームワークは, 外部熱・正面視像から最も相関の深い中間表現を抽出するネットワークと, 部分ネットワークで領域をブリッジし, ギャップを埋めるネットワークと, クロススペクトルとポーズ補正の損失からなる結合損失関数から構成される。 提案手法の有効性と利点を,ARL Visible-to-Thermal Face,ARL Multimodal Face,Tufts Faceの3つの熱可視データセットを用いて評価した。 DPIFは,前頭部のサーマルフェース画像と前頭部のサーマルフェース画像とをマッチングする際に,DPIFが性能を向上させることも示している。

関連論文リスト

• When Visible-to-Thermal Facial GAN Beats Conditional Diffusion [36.33347149799959]
  遠隔医療の応用は、熱画像の恩恵を受けることができるが、従来のコンピュータはRGBカメラに依存しており、熱センサーを欠いている。 本稿では,高分解能熱面を生成するために特別に設計されたVTF-GAN(Visible-to-Thermal Facial GAN)を提案する。 その結果, VTF-GANは, パッチ, 温度, 知覚, フーリエ変換を併用して, 高品質で, 鮮明で, 知覚的にリアルなサーマルフェイスを実現することがわかった。
  論文  参考訳（メタデータ） (2023-02-18T18:02:31Z)
• A Synthesis-Based Approach for Thermal-to-Visible Face Verification [105.63410428506536]
  本稿では,ARL-VTFおよびTUFTSマルチスペクトル顔データセット上での最先端性能を実現するアルゴリズムを提案する。 MILAB-VTF(B)も提案する。
  論文  参考訳（メタデータ） (2021-08-21T17:59:56Z)
• Heterogeneous Face Frontalization via Domain Agnostic Learning [74.86585699909459]
  本研究では, 視覚領域における正面視を, ポーズのバリエーションで合成できるドメイン非依存学習型生成逆数ネットワーク(DAL-GAN)を提案する。 DAL-GANは、補助分類器を備えたジェネレータと、より優れた合成のために局所的およびグローバルなテクスチャ識別をキャプチャする2つの識別器から構成される。
  論文  参考訳（メタデータ） (2021-07-17T20:41:41Z)
• Simultaneous Face Hallucination and Translation for Thermal to Visible Face Verification using Axial-GAN [74.22129648654783]
  低分解能熱画像から熱可視面検証のタスクを紹介します。 本稿では,Axial-Generative Adversarial Network (Axial-GAN)を提案する。
  論文  参考訳（メタデータ） (2021-04-13T22:34:28Z)
• A Large-Scale, Time-Synchronized Visible and Thermal Face Dataset [62.193924313292875]
  DEVCOM Army Research Laboratory Visible-Thermal Faceデータセット(ARL-VTF)を発表します。 395人の被験者から50万枚以上の画像が得られたARL-VTFデータセットは、これまでで最大の可視画像とサーマルフェイス画像の収集データだ。 本論文では,ALL-VTFデータセットを用いたサーマルフェースランドマーク検出とサーマル・トゥ・ヴィジブルフェース検証のベンチマーク結果と分析について述べる。
  論文  参考訳（メタデータ） (2021-01-07T17:17:12Z)
• Multi-Scale Thermal to Visible Face Verification via Attribute Guided Synthesis [55.29770222566124]
  可視画像から抽出した属性を用いて、熱画像から属性保存された可視画像を合成し、クロスモーダルマッチングを行う。 抽出した属性によって導かれる熱画像から可視像を合成するために, 新規なマルチスケールジェネレータを提案する。 事前訓練されたVGG-Faceネットワークを利用して、合成画像と入力可視画像から特徴を抽出し、検証を行う。
  論文  参考訳（メタデータ） (2020-04-20T01:45:05Z)
• 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。