論文の概要: Seeing through the Mask: Multi-task Generative Mask Decoupling Face Recognition

• arxiv url: http://arxiv.org/abs/2311.11512v1
• Date: Mon, 20 Nov 2023 03:23:03 GMT
• ステータス: 処理完了
• システム内更新日: 2023-11-21 20:08:07.343537
• Title: Seeing through the Mask: Multi-task Generative Mask Decoupling Face Recognition
• Title（参考訳）: マスクを通して見る:顔認識を分離するマルチタスク生成マスク
• Authors: Zhaohui Wang, Sufang Zhang, Jianteng Peng, Xinyi Wang, Yandong Guo
• Abstract要約: 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。
• 参考スコア（独自算出の注目度）: 47.248075664420874
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: The outbreak of COVID-19 pandemic make people wear masks more frequently than ever. Current general face recognition system suffers from serious performance degradation,when encountering occluded scenes. The potential reason is that face features are corrupted by occlusions on key facial regions. To tackle this problem, previous works either extract identity-related embeddings on feature level by additional mask prediction, or restore the occluded facial part by generative models. However, the former lacks visual results for model interpretation, while the latter suffers from artifacts which may affect downstream recognition. Therefore, this paper proposes a Multi-task gEnerative mask dEcoupling face Recognition (MEER) network to jointly handle these two tasks, which can learn occlusionirrelevant and identity-related representation while achieving unmasked face synthesis. We first present a novel mask decoupling module to disentangle mask and identity information, which makes the network obtain purer identity features from visible facial components. Then, an unmasked face is restored by a joint-training strategy, which will be further used to refine the recognition network with an id-preserving loss. Experiments on masked face recognition under realistic and synthetic occlusions benchmarks demonstrate that the MEER can outperform the state-ofthe-art methods.
• Abstract（参考訳）: 新型コロナウイルス(COVID-19)の感染拡大で、マスクを着用する人がこれまで以上に多い。 現在の顔認識システムは、目立たないシーンに遭遇すると深刻な性能低下に苦しむ。 潜在的な理由は、顔の特徴が重要な顔領域の閉塞によって損なわれるためである。 この問題に対処するため、以前の研究では、マスク予測の追加により特徴レベルのアイデンティティ関連埋め込みを抽出するか、生成モデルにより隠蔽顔部を復元する。 しかし、前者はモデル解釈の視覚的な結果に欠けており、後者は下流認識に影響を与える可能性のあるアーティファクトに苦しむ。 そこで本稿では,これら2つのタスクを協調的に処理するマルチタスク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。 そして、共同学習戦略により、未加工の顔が復元され、ID保存損失で認識ネットワークを洗練させる。 現実的および合成オクルージョンベンチマークによるマスク付き顔認識実験は、MEERが最先端の手法より優れていることを示した。

関連論文リスト

• ID-Guard: A Universal Framework for Combating Facial Manipulation via Breaking Identification [60.73617868629575]
  深層学習に基づく顔操作の誤用は、公民権に対する潜在的な脅威となる。 この不正行為を防ぐため、プロアクティブな防御技術が提案され、操作プロセスを妨害した。 我々は,ID-Guardと呼ばれる,顔操作と戦うための新しい普遍的枠組みを提案する。
  論文  参考訳（メタデータ） (2024-09-20T09:30:08Z)
• 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)
• MaskMTL: Attribute prediction in masked facial images with deep multitask learning [9.91045425400833]
  本稿では,マスク付き顔画像から多種多様な特徴を共同で推定する深層マルチタスク学習(MTL)手法を提案する。 提案手法は、他の競合技術よりも性能が優れている。
  論文  参考訳（メタデータ） (2022-01-09T13:03:29Z)
• Mask-invariant Face Recognition through Template-level Knowledge Distillation [3.727773051465455]
  マスクは従来の顔認識システムの性能に影響を与える。 マスク不変顔認識ソリューション(MaskInv)を提案する。 蒸留された知識に加えて、学生ネットワークは、マージンベースのアイデンティティ分類損失による追加ガイダンスの恩恵を受ける。
  論文  参考訳（メタデータ） (2021-12-10T16:19:28Z)
• MLFW: A Database for Face Recognition on Masked Faces [56.441078419992046]
  Masked LFW (MLFW) は、マスクのない顔からマスクされた顔を自動的に生成するツールである。 SOTAモデルの認識精度は、元の画像の精度と比較して、MLFWデータベース上で5%-16%低下する。
  論文  参考訳（メタデータ） (2021-09-13T09:30:10Z)
• 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)
• 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)
• 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)
• Face Hallucination via Split-Attention in Split-Attention Network [58.30436379218425]
  畳み込みニューラルネットワーク(CNN)は、顔幻覚を促進するために広く用いられている。 顔の全体像とテクスチャの細部を同時に考慮し,新たな内部分割注意グループ(ESAG)を提案する。 これら2つの経路から特徴を融合させることにより、顔の構造の整合性と顔の詳細の忠実度が強化される。
  論文  参考訳（メタデータ） (2020-10-22T10:09:31Z)

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。