論文の概要: Localization using Multi-Focal Spatial Attention for Masked Face Recognition

• arxiv url: http://arxiv.org/abs/2305.01905v2
• Date: Thu, 7 Sep 2023 08:13:58 GMT
• ステータス: 処理完了
• システム内更新日: 2023-09-08 17:17:39.092125
• Title: Localization using Multi-Focal Spatial Attention for Masked Face Recognition
• Title（参考訳）: マルチフォーカス空間アテンションを用いたマスケ顔認識
• Authors: Yooshin Cho, Hanbyel Cho, Hyeong Gwon Hong, Jaesung Ahn, Dongmin Cho, JungWoo Chang, and Junmo Kim
• Abstract要約: 無接触生体認証システムのためのマスク付き顔認識を開発する必要がある。 マスク領域を正確に除去する補足型注意学習と多地点空間注意を提案する。 ICCV 2021-MFR/Insightface トラックでの MFR 性能の評価を行い,MFR と FR の両方のデータセットにおける改善性能を実証した。
• 参考スコア（独自算出の注目度）: 22.833899749506394
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Since the beginning of world-wide COVID-19 pandemic, facial masks have been recommended to limit the spread of the disease. However, these masks hide certain facial attributes. Hence, it has become difficult for existing face recognition systems to perform identity verification on masked faces. In this context, it is necessary to develop masked Face Recognition (MFR) for contactless biometric recognition systems. Thus, in this paper, we propose Complementary Attention Learning and Multi-Focal Spatial Attention that precisely removes masked region by training complementary spatial attention to focus on two distinct regions: masked regions and backgrounds. In our method, standard spatial attention and networks focus on unmasked regions, and extract mask-invariant features while minimizing the loss of the conventional Face Recognition (FR) performance. For conventional FR, we evaluate the performance on the IJB-C, Age-DB, CALFW, and CPLFW datasets. We evaluate the MFR performance on the ICCV2021-MFR/Insightface track, and demonstrate the improved performance on the both MFR and FR datasets. Additionally, we empirically verify that spatial attention of proposed method is more precisely activated in unmasked regions.
• Abstract（参考訳）: 世界的な新型コロナウイルス(covid-19)パンデミックの始まり以来、顔のマスクは感染拡大を制限するために推奨されてきた。 しかし、これらのマスクは特定の顔の特徴を隠す。 そのため、既存の顔認証システムでは、マスク付き顔認証を行うのが難しくなっている。 この文脈では、非接触生体認証システムのためのマスク顔認識(mfr)を開発する必要がある。 そこで,本稿では,マスク領域と背景領域の2つの異なる領域に着目して,補完的な空間的注意を訓練することにより,マスク領域を正確に除去する補完的注意学習と多焦点空間注意を提案する。 本手法では,非マスク領域に着目し,従来型顔認識(fr)性能の低下を最小限に抑えつつマスク不変特徴を抽出する。 従来のFRでは,IJB-C, Age-DB, CALFW, CPLFWデータセットの性能評価を行った。 ICCV2021-MFR/Insightfaceトラック上でのMFR性能を評価し,MFRデータセットとFRデータセットの両方において改善された性能を示す。 さらに,提案手法の空間的注意が,未成熟領域でより正確に活性化されていることを実証的に検証した。

関連論文リスト

• A Comprehensive Survey of Masked Faces: Recognition, Detection, and Unmasking [0.5898893619901381]
  マスク付き顔認識(MFR)は、特に世界的な新型コロナウイルス(COVID-19)パンデミックによって、生体認証において重要な領域として登場した。 本研究は,マスクを被った人物の認識・検出における課題と進歩を包括的に分析した。
  論文  参考訳（メタデータ） (2024-05-09T16:52:43Z)
• Seeing through the Mask: Multi-task Generative Mask Decoupling Face Recognition [47.248075664420874]
  現在の一般的な顔認識システムは、隠蔽シーンに遭遇する際の重大な性能劣化に悩まされている。 本稿では,これら2つのタスクを協調的に扱うために,マルチタスクのgEnerative mask dEcoupling Face Recognition (MEER) ネットワークを提案する。 まず,マスクと識別情報を分離する新しいマスクデカップリングモジュールを提案する。
  論文  参考訳（メタデータ） (2023-11-20T03:23:03Z)
• Attribute-Guided Encryption with Facial Texture Masking [64.77548539959501]
  本稿では,顔認識システムからユーザを保護するために,顔テクスチャマスキングを用いた属性ガイド暗号化を提案する。 提案手法は,最先端の手法よりも自然な画像を生成する。
  論文  参考訳（メタデータ） (2023-05-22T23:50:43Z)
• A Unified Framework for Masked and Mask-Free Face Recognition via Feature Rectification [19.417191498842044]
  マスク付き顔とマスクなし顔の両方を識別するための統合フレームワークである顔特徴整形ネットワーク(FFR-Net)を提案する。 本研究では,最先端認識モデルにより抽出された特徴を,空間次元とチャネル次元の両方で整列するための整列ブロックを導入する。 実験により,我々のフレームワークは,マスク付き顔とマスクなし顔の両方を効果的に認識するための修正された特徴空間を学習できることが示されている。
  論文  参考訳（メタデータ） (2022-02-15T12:37:59Z)
• Adversarial Mask: Real-World Adversarial Attack Against Face Recognition Models [66.07662074148142]
  本稿では,最先端の深層学習に基づく顔認識モデルに対する物理対角的普遍摂動(UAP)を提案する。 実験では,幅広い深層学習モデルとデータセットへの対向マスクの転送可能性について検討した。 ファブリック・メディカル・フェイスマスクに対向パターンを印刷することにより,実世界の実験において,我々の対向マスクの有効性を検証した。
  論文  参考訳（メタデータ） (2021-11-21T08:13:21Z)
• End2End Occluded Face Recognition by Masking Corrupted Features [82.27588990277192]
  最先端の一般的な顔認識モデルは、隠蔽された顔画像に対してうまく一般化しない。 本稿では,1つのエンドツーエンドのディープニューラルネットワークに基づいて,オクルージョンに頑健な新しい顔認識手法を提案する。 我々のアプローチは、深い畳み込みニューラルネットワークから破損した特徴を発見し、動的に学習されたマスクによってそれらをきれいにする。
  論文  参考訳（メタデータ） (2021-08-21T09:08:41Z)
• My Eyes Are Up Here: Promoting Focus on Uncovered Regions in Masked Face Recognition [4.171626860914305]
  マスク付き顔認識(MFR)の課題に対処し、FRSにおける検証性能の評価に焦点をあてる。 本研究では,従来の三重項損失と平均二乗誤差(MSE)を組み合わせることで,マスク付き非マスク比較モードにおけるMFRシステムのロバスト性を改善する手法を提案する。
  論文  参考訳（メタデータ） (2021-08-02T15:51:15Z)
• Towards NIR-VIS Masked Face Recognition [47.00916333095693]
  近赤外可視(NIR-VIS)顔認識は異種顔認識において最も一般的な症例である。 2つのドメインの顔表現で共有される相互情報を最大化するための新しいトレーニング手法を提案する。 さらに、既存のNIR画像からマスク面を合成するために、3次元顔再構成に基づくアプローチを用いる。
  論文  参考訳（メタデータ） (2021-04-14T10:40:09Z)
• Contrastive Context-Aware Learning for 3D High-Fidelity Mask Face Presentation Attack Detection [103.7264459186552]
  顔認識システムには、顔提示攻撃検出(PAD)が不可欠である。 ほとんどの既存の3DマスクPADベンチマークにはいくつかの欠点があります。 現実世界のアプリケーションとのギャップを埋めるために、大規模なハイファイアリティマスクデータセットを紹介します。
  論文  参考訳（メタデータ） (2021-04-13T12:48:38Z)
• Unmasking Face Embeddings by Self-restrained Triplet Loss for Accurate Masked Face Recognition [6.865656740940772]
  マスク付き顔認識性能を改善するためのソリューションを提案する。 具体的には,既存の顔認識モデル上で動作させるEmbedding Unmasking Model (EUM)を提案する。 また、EUMが同一アイデンティティのマスクされていない顔のこれらに類似した埋め込みを作成することを可能にする新しい損失関数、自己拘束トリプルト(SRT)を提案します。
  論文  参考訳（メタデータ） (2021-03-02T13:43:11Z)

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。