論文の概要: Set-Based Face Recognition Beyond Disentanglement: Burstiness Suppression With Variance Vocabulary

• arxiv url: http://arxiv.org/abs/2304.06249v1
• Date: Thu, 13 Apr 2023 04:02:58 GMT
• ステータス: 処理完了
• システム内更新日: 2023-04-14 15:51:27.935111
• Title: Set-Based Face Recognition Beyond Disentanglement: Burstiness Suppression With Variance Vocabulary
• Title（参考訳）: 乱れを超えたセットベース顔認識:可変語彙による汚い抑制
• Authors: Jiong Wang, Zhou Zhao, Fei Wu
• Abstract要約: SFRにおける2つの重要な問題は、顔の品質とバーストネスであり、アイデンティティ非関連と分散関連の両方である、と我々は主張する。 分散特徴と同一性の特徴を分離する軽量な集合ベース・アンタングルメント・フレームワークを提案する。 集合における顔のバースト性を抑制するために,語彙ベースバースト抑制法(VBS)を提案する。
• 参考スコア（独自算出の注目度）: 78.203301910422
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Set-based face recognition (SFR) aims to recognize the face sets in the unconstrained scenario, where the appearance of same identity may change dramatically with extreme variances (e.g., illumination, pose, expression). We argue that the two crucial issues in SFR, the face quality and burstiness, are both identity-irrelevant and variance-relevant. The quality and burstiness assessment are interfered with by the entanglement of identity, and the face recognition is interfered with by the entanglement of variance. Thus we propose to separate the identity features with the variance features in a light-weighted set-based disentanglement framework. Beyond disentanglement, the variance features are fully utilized to indicate face quality and burstiness in a set, rather than being discarded after training. To suppress face burstiness in the sets, we propose a vocabulary-based burst suppression (VBS) method which quantizes faces with a reference vocabulary. With interword and intra-word normalization operations on the assignment scores, the face burtisness degrees are appropriately estimated. The extensive illustrations and experiments demonstrate the effect of the disentanglement framework with VBS, which gets new state-of-the-art on the SFR benchmarks. The code will be released at https://github.com/Liubinggunzu/set_burstiness.
• Abstract（参考訳）: セットベース顔認識(SFR)は、制約のないシナリオにおける顔の集合を認識することを目的としており、同じアイデンティティの出現は、極端なばらつき(照明、ポーズ、表現など)で劇的に変化する可能性がある。 SFRにおける2つの重要な問題は、顔の品質とバーストネスであり、アイデンティティ非関連と分散関連の両方である。 品質とバーストネスの評価はアイデンティティの絡み合いによって妨げられ、顔認識はばらつきの絡み合いによって妨害される。 そこで,本論文では,軽度集合ベースゆがみフレームワークにおける分散特徴と同一性の特徴を分離することを提案する。 ゆがみの他に、分散特徴は訓練後に捨てられるのではなく、顔の品質とバーストネスを示すために完全に活用される。 そこで本研究では,セット内の顔のバースト性を抑制するために,参照語彙による顔の定量化を行う語彙ベースのバースト抑圧(vbs)法を提案する。 代入スコアのインターワードおよび単語内正規化操作により、顔のバーティネス度を適切に推定する。 広範な図面と実験により、SFRベンチマークに新たな最先端をもたらすVBSによるアンタングルメントフレームワークの効果が示されている。 コードはhttps://github.com/liubinggunzu/set_burstinessでリリースされる。

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)
• Text-Guided Face Recognition using Multi-Granularity Cross-Modal Contrastive Learning [0.0]
  テキスト誘導顔認識(TGFR)を導入し、自然言語記述の形で顔属性を統合することの影響を解析する。 TGFRは、特に低画質の画像において、既存の顔認識モデルよりも顕著に改善されている。
  論文  参考訳（メタデータ） (2023-12-14T22:04:22Z)
• Contrastive Learning of View-Invariant Representations for Facial Expressions Recognition [27.75143621836449]
  コントラスト学習に基づく新しいビュー不変FERフレームワークであるViewFXを提案する。 提案手法を2つの公開多視点顔表情認識データセット上で検証する。
  論文  参考訳（メタデータ） (2023-11-12T14:05:09Z)
• Disentangling Identity and Pose for Facial Expression Recognition [54.50747989860957]
  より識別的な特徴表現を学習するために,識別モデルを提案し,不整形表情認識(IPD-FER)モデルを提案する。 アイデンティティエンコーダでは、訓練中に訓練済みの顔認識モデルを利用して固定し、特定の表情訓練データに対する制限を軽減する。 合成された中性画像と同一個体の表情画像との差を比較することにより、表現成分はアイデンティティやポーズからさらに切り離される。
  論文  参考訳（メタデータ） (2022-08-17T06:48:13Z)
• Dual Spoof Disentanglement Generation for Face Anti-spoofing with Depth Uncertainty Learning [54.15303628138665]
  フェース・アンチ・スプーフィング(FAS)は、顔認識システムが提示攻撃を防ぐ上で重要な役割を担っている。 既存のフェース・アンチ・スプーフィング・データセットは、アイデンティティと重要なばらつきが不十分なため、多様性を欠いている。 我々は「生成によるアンチ・スプーフィング」によりこの問題に対処するデュアル・スポット・ディアンタングメント・ジェネレーション・フレームワークを提案する。
  論文  参考訳（メタデータ） (2021-12-01T15:36:59Z)
• Asymmetric Modality Translation For Face Presentation Attack Detection [55.09300842243827]
  顔提示攻撃検出(PAD)は、悪意のあるユーザによって顔認識システムが偽造されるのを防ぐための重要な手段である。 両モードシナリオにおける非対称なモダリティ変換に基づく新しいフレームワークを提案する。 本手法は,異なる評価プロトコル下での最先端性能を実現する。
  論文  参考訳（メタデータ） (2021-10-18T08:59:09Z)
• Mutual Information Regularized Identity-aware Facial ExpressionRecognition in Compressed Video [27.602648102881535]
  本稿では,相互情報(MI)を最小化するための新しい協調ミンミニゲームを提案する。 同一人物からの識別ラベルや複数の表現サンプルは不要である。 我々のソリューションは、最近のデコードされた画像ベース手法に匹敵する、あるいは優れた性能を実現することができる。
  論文  参考訳（メタデータ） (2020-10-20T21:42:18Z)
• Unsupervised Learning Facial Parameter Regressor for Action Unit Intensity Estimation via Differentiable Renderer [51.926868759681014]
  骨駆動型顔モデル(BDFM)に基づいて,異なる視点で顔パラメータを予測する枠組みを提案する。 提案するフレームワークは,特徴抽出器,ジェネレータ,顔パラメータ回帰器から構成される。
  論文  参考訳（メタデータ） (2020-08-20T09:49:13Z)
• Disentanglement for Discriminative Visual Recognition [7.954325638519141]
  この章では、有害な要因を、タスク関連/非関連なセマンティックなバリエーションと、特定されていない潜伏的なバリエーションとして体系的に要約する。 統合された2つの完全に接続されたレイヤブランチフレームワークにおいて、ディープメトリックロスとソフトマックスロスを組み合わせることで、より優れたFER性能を実現することができる。 このフレームワークは、照明、化粧、変装耐性顔認証、顔属性認識など、一連のタスクにおいて最高のパフォーマンスを達成する。
  論文  参考訳（メタデータ） (2020-06-14T06:10:51Z)

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。