論文の概要: Open-Set Face Identification on Few-Shot Gallery by Fine-Tuning

• arxiv url: http://arxiv.org/abs/2301.01922v1
• Date: Thu, 5 Jan 2023 06:02:16 GMT
• ステータス: 処理完了
• システム内更新日: 2023-01-06 14:10:59.250751
• Title: Open-Set Face Identification on Few-Shot Gallery by Fine-Tuning
• Title（参考訳）: ファインチューニングによるファウショットギャラリーのオープンセット顔識別
• Authors: Hojin Park, Jaewoo Park, and Andrew Beng Jin Teoh
• Abstract要約: 我々は、細調整により、数枚のギャラリーで、オープンセットの顔認証問題に対処することに注力する。 重みインプリントと排他的BatchNorm層チューニングを併用した効果的な微調整手法を提案する。 未知のアイデンティティの精度をさらに向上させるため,我々はNeighborhood Aware Cosineと呼ばれる新しいマッチング手法を提案する。
• 参考スコア（独自算出の注目度）: 16.818401142963268
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: In this paper, we focus on addressing the open-set face identification problem on a few-shot gallery by fine-tuning. The problem assumes a realistic scenario for face identification, where only a small number of face images is given for enrollment and any unknown identity must be rejected during identification. We observe that face recognition models pretrained on a large dataset and naively fine-tuned models perform poorly for this task. Motivated by this issue, we propose an effective fine-tuning scheme with classifier weight imprinting and exclusive BatchNorm layer tuning. For further improvement of rejection accuracy on unknown identities, we propose a novel matcher called Neighborhood Aware Cosine (NAC) that computes similarity based on neighborhood information. We validate the effectiveness of the proposed schemes thoroughly on large-scale face benchmarks across different convolutional neural network architectures. The source code for this project is available at: https://github.com/1ho0jin1/OSFI-by-FineTuning
• Abstract（参考訳）: 本稿では,数枚の画廊におけるオープンセットの顔識別問題に微調整で対処することに焦点を当てる。 この問題は、顔認証の現実的なシナリオを前提としており、登録には少数の顔画像しか与えられず、識別中に未知の識別を拒絶しなければならない。 大規模なデータセットで事前訓練された顔認識モデルと、微調整されたモデルが、このタスクに対して不十分な性能を示すことを観察する。 本稿では,分類器の重み付けと排他的BatchNorm層チューニングを用いた効果的な微調整手法を提案する。 未知のアイデンティティに対する拒絶精度のさらなる向上を図るため,近隣情報に基づく類似性を算出したNeighborhood Aware Cosine(NAC)を提案する。 本稿では,様々な畳み込みニューラルネットワークアーキテクチャにわたる大規模顔ベンチマークにおいて,提案手法の有効性を徹底的に検証する。 このプロジェクトのソースコードは、https://github.com/1ho0jin1/OSFI-by-FineTuning.comで入手できる。

関連論文リスト

• Norface: Improving Facial Expression Analysis by Identity Normalization [23.777830960311537]
  Norfaceは、AU(Action Unit)分析とFER(Facial Emotion Recognition)タスクの両方のための新しいフレームワークである。 正規化ネットワークと分類ネットワークで構成されている。 提案手法は,複数の表情解析タスクにおいて既存のSOTA法より優れる。
  論文  参考訳（メタデータ） (2024-07-22T13:24:32Z)
• Privacy-Preserving Face Recognition in Hybrid Frequency-Color Domain [16.05230409730324]
  顔画像は、各ユーザのアイデンティティ情報に関連付けられた、敏感なバイオメトリック属性である。 本稿では,顔認識の入力次元を低減するために,ハイブリッド周波数-カラー融合法を提案する。 1:Nの検証シナリオの最先端よりも約2.6%から4.2%高い精度を持つ。
  論文  参考訳（メタデータ） (2024-01-24T11:27:32Z)
• Personalized Face Inpainting with Diffusion Models by Parallel Visual Attention [55.33017432880408]
  本稿では,パラレル視覚注意(PVA, Parallel Visual Attention, PVA)と拡散モデルとの併用による塗装結果の改善を提案する。 我々はCelebAHQ-IDIで注目モジュールとIDエンコーダをトレーニングする。 実験により, PVAは顔の塗り絵と顔の塗り絵の両面において, 言語指導タスクと相容れない同一性を持つことが示された。
  論文  参考訳（メタデータ） (2023-12-06T15:39:03Z)
• FACE-AUDITOR: Data Auditing in Facial Recognition Systems [24.082527732931677]
  顔画像を扱うスケーラビリティと能力のために、ショットベースの顔認識システムが注目されている。 顔画像の誤使用を防止するために、簡単なアプローチとして、生の顔画像を共有する前に修正する方法がある。 そこで本研究では,FACE-AUDITORの完全ツールキットを提案する。このツールキットは,少数ショットベースの顔認識モデルに問い合わせ,ユーザの顔画像のいずれかがモデルのトレーニングに使用されているかどうかを判断する。
  論文  参考訳（メタデータ） (2023-04-05T23:03:54Z)
• 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)
• Semantic-aware One-shot Face Re-enactment with Dense Correspondence Estimation [100.60938767993088]
  ワンショットの顔の再現は、ソースと駆動する顔の同一性ミスマッチのため、難しい作業である。 本稿では,3次元形態素モデル(3DMM)を明示的な顔のセマンティックな分解とアイデンティティの絡み合いに利用することを提案する。
  論文  参考訳（メタデータ） (2022-11-23T03:02:34Z)
• Ensemble Learning using Transformers and Convolutional Networks for Masked Face Recognition [1.0742675209112622]
  マスク着用は、新型コロナウイルスの感染拡大を抑えるため、私たちが従わなければならなかった調整の1つです。 現在の顔認識システムは、制約のない一般的な顔認識ケースを扱う場合、極めて高精度である。 本研究では,2つの畳み込みニューラルネットワーク(CNN)モデルと2つのトランスフォーマーモデルからなるマスク型顔認識システムを提案する。
  論文  参考訳（メタデータ） (2022-10-10T16:25:13Z)
• Dynamic Prototype Mask for Occluded Person Re-Identification [88.7782299372656]
  既存の手法では、目に見える部分を識別するために、余分なネットワークによって提供される身体の手がかりを利用することで、この問題に対処している。 2つの自己明快な事前知識に基づく新しい動的プロトタイプマスク(DPM)を提案する。 この条件下では、隠蔽された表現は、選択された部分空間において自然にうまく整列することができる。
  論文  参考訳（メタデータ） (2022-07-19T03:31:13Z)
• Learning to Aggregate and Personalize 3D Face from In-the-Wild Photo Collection [65.92058628082322]
  非パラメトリックフェースモデリングは形状仮定なしで画像からのみ3次元フェースを再構成することを目的としている。 本稿では,教師なしのロバストな3次元顔モデリングのための学習・アグリゲート・パーソナライズ・フレームワークを提案する。
  論文  参考訳（メタデータ） (2021-06-15T03:10:17Z)
• Black-Box Face Recovery from Identity Features [61.950765357647605]
  我々はアルゴリズムをテストするために最先端の顔認識システム(ArcFace)を攻撃した。 我々のアルゴリズムは、最先端のソリューションに比べて、はるかに少ないクエリを必要とする。
  論文  参考訳（メタデータ） (2020-07-27T15:25:38Z)

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。