論文の概要: Rethinking the Domain Gap in Near-infrared Face Recognition

• arxiv url: http://arxiv.org/abs/2312.00627v1
• Date: Fri, 1 Dec 2023 14:43:28 GMT
• ステータス: 処理完了
• システム内更新日: 2023-12-04 14:21:58.641667
• Title: Rethinking the Domain Gap in Near-infrared Face Recognition
• Title（参考訳）: 近赤外顔認識における領域ギャップの再考
• Authors: Michail Tarasiou, Jiankang Deng, Stefanos Zafeiriou
• Abstract要約: 不均一顔認識(HFR)は、視覚領域(VIS)と近赤外領域(NIR)にまたがる複雑な顔画像マッチング作業を伴う。 HFRに関する既存の文献の多くは、ドメインギャップを主要な課題と認識し、それを入力レベルまたは機能レベルでブリッジする取り組みを指示している。 大規模同質なVISデータで事前トレーニングを行った場合、大規模ニューラルネットワークはより小さなニューラルネットワークとは異なり、HFRでは例外的なゼロショット性能を示す。
• 参考スコア（独自算出の注目度）: 65.7871950460781
• License: http://creativecommons.org/licenses/by-sa/4.0/
• Abstract: Heterogeneous face recognition (HFR) involves the intricate task of matching face images across the visual domains of visible (VIS) and near-infrared (NIR). While much of the existing literature on HFR identifies the domain gap as a primary challenge and directs efforts towards bridging it at either the input or feature level, our work deviates from this trend. We observe that large neural networks, unlike their smaller counterparts, when pre-trained on large scale homogeneous VIS data, demonstrate exceptional zero-shot performance in HFR, suggesting that the domain gap might be less pronounced than previously believed. By approaching the HFR problem as one of low-data fine-tuning, we introduce a straightforward framework: comprehensive pre-training, succeeded by a regularized fine-tuning strategy, that matches or surpasses the current state-of-the-art on four publicly available benchmarks. Corresponding codes can be found at https://github.com/michaeltrs/RethinkNIRVIS.
• Abstract（参考訳）: 不均一顔認識(HFR)は、視覚領域(VIS)と近赤外領域(NIR)にまたがる複雑な顔画像のマッチングを含む。 HFRに関する既存の文献の多くは、ドメインギャップを主要な課題と認識し、入力レベルまたは機能レベルにおいてドメインギャップをブリッジする取り組みを指示していますが、私たちの作業はこの傾向から逸脱しています。 大規模同種VISデータで事前トレーニングを行った場合,大規模なニューラルネットワークは,HFRにおいて例外的なゼロショット性能を示し,ドメインギャップが従来考えられていたよりも顕著でない可能性が示唆された。 低データの微調整の1つとしてHFR問題にアプローチすることで、包括的な事前学習、正規化された微調整戦略によって継承される、現在の4つの公開ベンチマークの最先端と一致または超える、簡単なフレームワークを導入する。 対応するコードはhttps://github.com/michaeltrs/RethinkNIRVISにある。

関連論文リスト

• Heterogeneous Face Recognition Using Domain Invariant Units [4.910937238451485]
  教師ネットワークとして事前訓練された顔認識モデルを用いてドメイン不変ネットワーク層(DIU)を学習する。 提案したDIUは、対照的な蒸留フレームワークを用いて、限られた量のペアトレーニングデータでも効果的に訓練することができる。 提案手法は、事前訓練されたモデルを強化する可能性があり、より広い範囲のデータに適応できる。
  論文  参考訳（メタデータ） (2024-04-22T16:58:37Z)
• Adaptive Face Recognition Using Adversarial Information Network [57.29464116557734]
  顔認識モデルは、トレーニングデータがテストデータと異なる場合、しばしば退化する。 本稿では,新たな敵情報ネットワーク(AIN)を提案する。
  論文  参考訳（メタデータ） (2023-05-23T02:14:11Z)
• Hierarchical Forgery Classifier On Multi-modality Face Forgery Clues [61.37306431455152]
  我々は,HFC-MFFD (hierarchical Forgery for Multi-modality Face Forgery Detection) を提案する。 HFC-MFFDは、マルチモーダルシナリオにおけるフォージェリー認証を強化するために、堅牢なパッチベースのハイブリッド表現を学習する。 クラス不均衡問題を緩和し、さらに検出性能を高めるために、特定の階層的な顔偽造を提案する。
  論文  参考訳（メタデータ） (2022-12-30T10:54:29Z)
• Prepended Domain Transformer: Heterogeneous Face Recognition without Bells and Whistles [9.419177623349947]
  我々は、異なる知覚モードで顔画像とマッチングする、驚くほどシンプルで、かつ、非常に効果的な方法を提案する。 提案するアプローチはアーキテクチャ非依存であり、事前訓練されたモデルに追加することができる。 ソースコードとプロトコルは一般公開される予定だ。
  論文  参考訳（メタデータ） (2022-10-12T18:54:57Z)
• Joint Feature Distribution Alignment Learning for NIR-VIS and VIS-VIS Face Recognition [5.249805590164902]
  ヘテロジニアス顔認識(HFR)は、ドメインの相違と大規模なHFRデータセットの欠如のため、依然として難しい課題である。 本稿では,知識蒸留を利用した共同学習手法であるJFDALを提案する。 提案手法は,Oulu-CASIA NIR&VISデータセット上でのHFR性能と同等であり,VIS性能の劣化は少ない。
  論文  参考訳（メタデータ） (2022-04-25T04:47:35Z)
• Escaping Data Scarcity for High-Resolution Heterogeneous Face Hallucination [68.78903256687697]
  Heterogeneous Face Recognition (HFR) では、視覚や熱といった2つの異なる領域にまたがる顔のマッチングが目的である。 合成によるギャップを埋めようとする最近の手法は有望な結果を得たが、ペアトレーニングデータの不足により、その性能は依然として制限されている。 本稿では,HFRのための新しい顔幻覚パラダイムを提案する。これはデータ効率のよい合成を可能にするだけでなく,プライバシポリシーを破ることなくモデルトレーニングのスケールアップを可能にする。
  論文  参考訳（メタデータ） (2022-03-30T20:44:33Z)
• Heterogeneous Face Frontalization via Domain Agnostic Learning [74.86585699909459]
  本研究では, 視覚領域における正面視を, ポーズのバリエーションで合成できるドメイン非依存学習型生成逆数ネットワーク(DAL-GAN)を提案する。 DAL-GANは、補助分類器を備えたジェネレータと、より優れた合成のために局所的およびグローバルなテクスチャ識別をキャプチャする2つの識別器から構成される。
  論文  参考訳（メタデータ） (2021-07-17T20:41:41Z)
• Inter-class Discrepancy Alignment for Face Recognition [55.578063356210144]
  IA(Inter-class DiscrepancyAlignment)という統合フレームワークを提案する。 IDA-DAOは、画像と隣人の相違を考慮した類似度スコアの整合に使用される。 IDA-SSEは、GANで生成された仮想候補画像を導入することで、説得力のあるクラス間隣人を提供できます。
  論文  参考訳（メタデータ） (2021-03-02T08:20:08Z)
• Relational Deep Feature Learning for Heterogeneous Face Recognition [17.494718795454055]
  一般的な顔の特徴に加えて,グローバルな関係情報を抽出するグラフモジュール (Graph Module, NIR) を提案する。 提案手法は,5つの異種顔認識(HFR)データベースにおいて,他の最先端手法よりも優れている。
  論文  参考訳（メタデータ） (2020-03-02T07:35:23Z)

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。