Fugu-MT 論文翻訳(概要): Recognizability Embedding Enhancement for Very Low-Resolution Face Recognition and Quality Estimation

論文の概要: Recognizability Embedding Enhancement for Very Low-Resolution Face Recognition and Quality Estimation

arxiv url: http://arxiv.org/abs/2304.10066v1
Date: Thu, 20 Apr 2023 03:18:03 GMT
ステータス: 処理完了
システム内更新日: 2023-04-21 14:40:34.159887
Title: Recognizability Embedding Enhancement for Very Low-Resolution Face Recognition and Quality Estimation
Title（参考訳）: 極低解像度顔認識と品質評価のための認識可能性埋め込み
Authors: Jacky Chen Long Chai, Tiong-Sik Ng, Cheng-Yaw Low, Jaewoo Park, Andrew Beng Jin Teoh
Abstract要約: 本研究では,視覚的品質ではなく,埋め込み空間における顔の認識性を高めるための原則的アプローチについて検討する。まず、頑健な学習に基づく顔認識度尺度、すなわち認識可能性指標(RI)を定式化する。次に、認識不能な顔クラスタから低RIで埋め込んだ難認識顔を、認識不能な顔クラスタから切り離して、認識可能性の向上を反映した指標変換損失を考案する。
参考スコア（独自算出の注目度）: 21.423956631978186
License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
Abstract: Very low-resolution face recognition (VLRFR) poses unique challenges, such as tiny regions of interest and poor resolution due to extreme standoff distance or wide viewing angle of the acquisition devices. In this paper, we study principled approaches to elevate the recognizability of a face in the embedding space instead of the visual quality. We first formulate a robust learning-based face recognizability measure, namely recognizability index (RI), based on two criteria: (i) proximity of each face embedding against the unrecognizable faces cluster center and (ii) closeness of each face embedding against its positive and negative class prototypes. We then devise an index diversion loss to push the hard-to-recognize face embedding with low RI away from unrecognizable faces cluster to boost the RI, which reflects better recognizability. Additionally, a perceptibility attention mechanism is introduced to attend to the most recognizable face regions, which offers better explanatory and discriminative traits for embedding learning. Our proposed model is trained end-to-end and simultaneously serves recognizability-aware embedding learning and face quality estimation. To address VLRFR, our extensive evaluations on three challenging low-resolution datasets and face quality assessment demonstrate the superiority of the proposed model over the state-of-the-art methods.
Abstract（参考訳）: 非常に低解像度の顔認識(VLRFR)は、興味の小さな領域や、取得装置の極端なスタンドオフ距離や広い視角による解像度の低下など、ユニークな課題を生んでいる。本稿では,視覚的品質ではなく,埋め込み空間における顔の認識性を高めるための原則的アプローチについて検討する。まず,2つの基準に基づいて,頑健な学習に基づく顔認識能力指標,すなわち認識可能性指標(RI)を定式化する。 (i)認識不能な顔クラスタセンターに対して埋め込まれた各顔の近接 (ii) 正および負のクラスプロトタイプに対する各面の埋め込みの密接さ。次に、インデックスの逆変換損失を考案し、認識しにくい顔埋め込みを、認識不能な顔クラスタから低riにプッシュすることで、認識可能性の向上を図ります。さらに、最も認識可能な顔領域に対応するために、知覚性注意機構が導入され、学習を組み込むための説明的および識別的特性が向上する。提案モデルはエンドツーエンドで学習し,認識可能性を考慮した埋め込み学習と顔品質推定を同時に行う。 vlrfrに対処するために,3つの難解な低解像度データセットと顔品質評価の広範な評価を行った。

関連論文リスト

SphereFace Revived: Unifying Hyperspherical Face Recognition [57.07058009281208]
我々は,超球面顔認識において,大きな角マージンを理解するための統一的な枠組みを導入する。このフレームワークでは,SphereFace-Rという,トレーニングの安定性が大幅に向上した改良版を提案する。我々は、SphereFace-Rが最先端の手法よりも一貫して優れているか、競合していることを示す。
論文参考訳（メタデータ） (2021-09-12T17:07:54Z)
Joint Face Image Restoration and Frontalization for Recognition [79.78729632975744]
現実世界のシナリオでは、大きなポーズ、悪い照明、低解像度、ぼやけ、ノイズなど、多くの要因が顔認識性能を損なう可能性がある。それまでの努力は通常、まず品質の低い顔から高品質な顔に復元し、次に顔認識を行う。与えられた低品質の顔からフロンダル化された高品質の顔を復元する多段階顔復元モデルを提案する。
論文参考訳（メタデータ） (2021-05-12T03:52:41Z)
Hierarchical Deep CNN Feature Set-Based Representation Learning for Robust Cross-Resolution Face Recognition [59.29808528182607]
クロスリゾリューション顔認識(CRFR)は、インテリジェントな監視およびバイオメトリックフォレンジックにおいて重要である。既存の浅層学習と深層学習に基づく手法は、HR-LR対を共同特徴空間にマッピングすることに焦点を当てている。本研究では,多レベル深層畳み込みニューラルネットワーク(CNN)の機能を完全に活用し,堅牢なCRFRを実現することを目的とする。
論文参考訳（メタデータ） (2021-03-25T14:03:42Z)
Face Anti-Spoofing Via Disentangled Representation Learning [90.90512800361742]
顔認識システムのセキュリティには、顔の偽造が不可欠だ。本稿では,画像から生意気な特徴やコンテンツの特徴を乱す顔のアンチ・スプーフィングの新たな視点を提案する。
論文参考訳（メタデータ） (2020-08-19T03:54:23Z)
A survey of face recognition techniques under occlusion [4.10247419557141]
隠蔽された顔認識は、現実世界のアプリケーションに顔認識の潜在能力を最大限活用するために必須である。本稿では,既存の顔認識手法が隠蔽問題にどのように対処するかを示し,これらを3つのカテゴリに分類する。我々は、モチベーション、イノベーション、長所と短所、そして比較のための代表的アプローチのパフォーマンスを分析します。
論文参考訳（メタデータ） (2020-06-19T20:44:02Z)
On Improving the Generalization of Face Recognition in the Presence of Occlusions [13.299431908881425]
Occlusion-aware face RecOgnition (OREO) アプローチは, 咬合の有無に関わらず, 識別的顔テンプレートを学習した。 OREOは、顔認識の一般化能力を1画像ベースで(10.17%)改善した。
論文参考訳（メタデータ） (2020-06-11T20:17:23Z)
Face Quality Estimation and Its Correlation to Demographic and Non-Demographic Bias in Face Recognition [15.431761867166]
顔の質評価は、認識のための顔画像の有用性を推定することを目的としている。現在、これらの顔認識システムの高性能化には、人口統計学や非人口統計学のサブグループに対する強い偏見のコストが伴っている。近年の研究では、顔品質評価アルゴリズムは、高精度でロバストな品質評価を実現するために、デプロイされた顔認識システムに適応すべきであることが示されている。
論文参考訳（メタデータ） (2020-04-02T14:19:12Z)
Deep Face Super-Resolution with Iterative Collaboration between Attentive Recovery and Landmark Estimation [92.86123832948809]
本稿では,2つの繰り返しネットワーク間の反復的協調による深層面超解像(FSR)手法を提案する。各繰り返しステップにおいて、リカバリブランチは、ランドマークの事前の知識を利用して、高品質な画像を生成する。新しい注意融合モジュールはランドマークマップのガイダンスを強化するために設計されている。
論文参考訳（メタデータ） (2020-03-29T16:04:48Z)
SER-FIQ: Unsupervised Estimation of Face Image Quality Based on Stochastic Embedding Robustness [15.431761867166]
任意の顔認識モデルに基づいて顔の質を測定する新しい概念を提案する。提案手法を,学界と産業界からの6つの最先端アプローチと比較した。
論文参考訳（メタデータ） (2020-03-20T16:50:30Z)
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。