論文の概要: DaliID: Distortion-Adaptive Learned Invariance for Identification Models

• arxiv url: http://arxiv.org/abs/2302.05753v1
• Date: Sat, 11 Feb 2023 18:19:41 GMT
• ステータス: 処理完了
• システム内更新日: 2023-02-14 18:42:19.173020
• Title: DaliID: Distortion-Adaptive Learned Invariance for Identification Models
• Title（参考訳）: DaliID:識別モデルに対する歪み適応型学習不変性
• Authors: Wes Robbins, Gabriel Bertocco, Terrance E. Boult
• Abstract要約: 本稿では,同定のための歪み適応型学習不変性(DaliID)モデルを提案する。 DaliIDモデルは、7つのベンチマークデータセット上で、顔認識と人物の再識別の両方のために、最先端(SOTA)を実現する。
• 参考スコア（独自算出の注目度）: 9.502663556403622
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: In unconstrained scenarios, face recognition and person re-identification are subject to distortions such as motion blur, atmospheric turbulence, or upsampling artifacts. To improve robustness in these scenarios, we propose a methodology called Distortion-Adaptive Learned Invariance for Identification (DaliID) models. We contend that distortion augmentations, which degrade image quality, can be successfully leveraged to a greater degree than has been shown in the literature. Aided by an adaptive weighting schedule, a novel distortion augmentation is applied at severe levels during training. This training strategy increases feature-level invariance to distortions and decreases domain shift to unconstrained scenarios. At inference, we use a magnitude-weighted fusion of features from parallel models to retain robustness across the range of images. DaliID models achieve state-of-the-art (SOTA) for both face recognition and person re-identification on seven benchmark datasets, including IJB-S, TinyFace, DeepChange, and MSMT17. Additionally, we provide recaptured evaluation data at a distance of 750+ meters and further validate on real long-distance face imagery.
• Abstract（参考訳）: 制約のないシナリオでは、顔の認識と人物の再識別は、動きのぼやけ、大気の乱流、アップサンプリングアーティファクトなどの歪みにさらされる。 これらのシナリオにおけるロバスト性を改善するため,我々は同定のための歪み適応学習不変性(daliid)と呼ばれる手法を提案する。 画像の画質を劣化させる歪み増強は、文献で示されたよりも高い精度で有効に活用できると我々は主張する。 適応的な重み付けスケジュールにより、訓練中の重度レベルにおいて新たな歪み増強が適用される。 このトレーニング戦略は、歪みに対する特徴レベルの不変性を高め、制約のないシナリオへのドメインシフトを減らす。 推論では、並列モデルから特徴量重み付けされた融合を使用して、画像の範囲にまたがる堅牢性を維持します。 daliidモデルは、ijb-s、tinyface、deepchange、msmt17を含む7つのベンチマークデータセットで、顔認識と人物再識別のための最先端(sota)を実現する。 また、750メートル以上の距離で再収集した評価データを提供し、さらに実際の遠方顔画像上で検証する。

関連論文リスト

• Möbius Transform for Mitigating Perspective Distortions in Representation Learning [43.86985901138407]
  パースペクティブ歪み(PD)は、画像の形状、大きさ、向き、角度、その他の空間的関係に前例のない変化を引き起こす。 M"オビウス変換の特定の族に対して,パラメータ制御を微粒化することにより,MPDを緩和する手法を提案する。 我々は,この新たなデータセットに対して,ディープラーニングモデルの堅牢性を評価するために,視点的に歪んだベンチマークデータセットであるImageNet-PDを提案する。
  論文  参考訳（メタデータ） (2024-03-07T15:39:00Z)
• Adv-Diffusion: Imperceptible Adversarial Face Identity Attack via Latent Diffusion Model [61.53213964333474]
  本稿では,生の画素空間ではなく,潜在空間における非知覚的対角的アイデンティティ摂動を生成できる統一的なフレームワークAdv-Diffusionを提案する。 具体的には,周囲のセマンティックな摂動を生成するために,個人性に敏感な条件付き拡散生成モデルを提案する。 設計された適応強度に基づく対向摂動アルゴリズムは、攻撃の伝達性とステルス性の両方を確保することができる。
  論文  参考訳（メタデータ） (2023-12-18T15:25:23Z)
• On quantifying and improving realism of images generated with diffusion [50.37578424163951]
  与えられた画像の5つの統計的測度から算出した画像リアリズムスコア(IRS)と呼ばれるメトリクスを提案する。 IRSは、与えられた画像を実または偽のものとして分類する手段として容易に利用できる。 我々は,安定拡散モデル (SDM) , Dalle2, Midjourney, BigGAN による偽画像の検出に成功して,提案したIRSのモデルおよびデータに依存しない性質を実験的に確立した。 このデータセットは、高品質の4つのモデルによって生成される100のクラスに対して1,000のサンプルを提供します。
  論文  参考訳（メタデータ） (2023-09-26T08:32:55Z)
• Stimulating Diffusion Model for Image Denoising via Adaptive Embedding and Ensembling [56.506240377714754]
  DMID(Diffusion Model for Image Denoising)と呼ばれる新しい手法を提案する。 我々の戦略は、雑音のある画像を事前訓練された非条件拡散モデルに埋め込む適応的な埋め込み法を含む。 我々のDMID戦略は、歪みベースと知覚ベースの両方で最先端のパフォーマンスを達成する。
  論文  参考訳（メタデータ） (2023-07-08T14:59:41Z)
• Training-free Diffusion Model Adaptation for Variable-Sized Text-to-Image Synthesis [45.19847146506007]
  拡散モデル(DM)は近年,テキスト・画像合成における最先端性能に注目されている。 本稿では,視覚的忠実度を維持しながら多彩性を扱うためにテキスト・画像拡散モデルを適用することに焦点を当てる。
  論文  参考訳（メタデータ） (2023-06-14T17:23:07Z)
• Learning Distortion Invariant Representation for Image Restoration from A Causality Perspective [42.10777921339209]
  因果性の観点から,画像復元のための新たなトレーニング戦略を提案する。 提案手法は歪不変表現学習(DIL)と呼ばれ,各歪みのタイプと度合いを1つの特定の共同創設者として扱う。
  論文  参考訳（メタデータ） (2023-03-13T05:04:18Z)
• DOLCE: A Model-Based Probabilistic Diffusion Framework for Limited-Angle CT Reconstruction [42.028139152832466]
  Limited-Angle Computed Tomography (LACT) は、セキュリティから医療まで様々な用途で使用される非破壊的評価技術である。 DOLCEは、条件付き拡散モデルを画像として用いた、LACTのための新しいディープモデルベースのフレームワークである。
  論文  参考訳（メタデータ） (2022-11-22T15:30:38Z)
• SIR: Self-supervised Image Rectification via Seeing the Same Scene from Multiple Different Lenses [82.56853587380168]
  本稿では、異なるレンズからの同一シーンの歪み画像の補正結果が同一であるべきという重要な知見に基づいて、新しい自己監督画像補正法を提案する。 我々は、歪みパラメータから修正画像を生成し、再歪み画像を生成するために、微分可能なワープモジュールを利用する。 本手法は,教師付きベースライン法や代表的最先端手法と同等あるいはそれ以上の性能を実現する。
  論文  参考訳（メタデータ） (2020-11-30T08:23:25Z)
• Adversarial Semantic Data Augmentation for Human Pose Estimation [96.75411357541438]
  本研究では,セマンティックデータ拡張法 (SDA) を提案する。 また,適応的セマンティックデータ拡張 (ASDA) を提案する。 最先端の結果は、挑戦的なベンチマークで得られます。
  論文  参考訳（メタデータ） (2020-08-03T07:56:04Z)
• Real-world Person Re-Identification via Degradation Invariance Learning [111.86722193694462]
  現実のシナリオにおける人物再識別(Re-ID)は通常、低解像度、弱い照明、ぼやけ、悪天候などの様々な劣化要因に悩まされる。 本稿では,現実世界のRe-IDを対象とした劣化不変学習フレームワークを提案する。 自己教師付き不整合表現学習戦略を導入することにより,個人性に関連する頑健な特徴を同時に抽出することができる。
  論文  参考訳（メタデータ） (2020-04-10T07:58:50Z)

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。