論文の概要: Generative Iris Prior Embedded Transformer for Iris Restoration

• arxiv url: http://arxiv.org/abs/2407.00261v1
• Date: Fri, 28 Jun 2024 23:20:57 GMT
• ステータス: 処理完了
• システム内更新日: 2024-07-04 05:41:03.440498
• Title: Generative Iris Prior Embedded Transformer for Iris Restoration
• Title（参考訳）: 虹彩再生用組込み変圧器の試作
• Authors: Yubo Huang, Jia Wang, Peipei Li, Liuyu Xiang, Peigang Li, Zhaofeng He,
• Abstract要約: 組込みトランスモデル(Gformer)に先立って生成アイリスを提案する。 ターゲット画像の長距離依存性をモデル化するためにTransformerブロックをタップする。 第2に, 虹彩生成対向ネットワーク(GAN)を事前訓練し, 虹彩再生過程に虹彩特徴変調器を組み込む。
• 参考スコア（独自算出の注目度）: 6.616142716765673
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Iris restoration from complexly degraded iris images, aiming to improve iris recognition performance, is a challenging problem. Due to the complex degradation, directly training a convolutional neural network (CNN) without prior cannot yield satisfactory results. In this work, we propose a generative iris prior embedded Transformer model (Gformer), in which we build a hierarchical encoder-decoder network employing Transformer block and generative iris prior. First, we tame Transformer blocks to model long-range dependencies in target images. Second, we pretrain an iris generative adversarial network (GAN) to obtain the rich iris prior, and incorporate it into the iris restoration process with our iris feature modulator. Our experiments demonstrate that the proposed Gformer outperforms state-of-the-art methods. Besides, iris recognition performance has been significantly improved after applying Gformer.
• Abstract（参考訳）: 虹彩認識性能の向上を目的とした複雑な劣化虹彩画像からの虹彩復元は難しい問題である。 複雑な劣化のため、前もって畳み込みニューラルネットワーク(CNN)を直接訓練しても十分な結果が得られない。 そこで本研究では,トランスフォーマーブロックと生成アイリスを用いた階層型エンコーダデコーダネットワークを構築する,生成アイリス前の組込みトランスフォーマーモデル(Gformer)を提案する。 まず、Transformerブロックをタップして、ターゲット画像の長距離依存性をモデル化する。 第2に, 虹彩生成逆境ネットワーク(GAN)を事前訓練し, 虹彩再生過程に虹彩特徴変調器を組み込む。 実験の結果,提案したGformerは最先端の手法よりも優れていた。 また, Gformerの適用により虹彩認識性能が大幅に向上した。

関連論文リスト

• A Prior Embedding-Driven Architecture for Long Distance Blind Iris Recognition [5.482786561272011]
  遠距離ブラインドアイリス認識のための埋め込み駆動型アーキテクチャを提案する。 われわれはまずアイリス画像復元ネットワークIris-PPRGANを提案した。 ブラインドアイリスのテクスチャを効果的に復元するために、Iris-PPRGANは、プリミティブデコーダとして使用されるジェネレーティブアドリアネットワーク(GAN)と、エンコーダとして使用されるDNNとを含む。
  論文  参考訳（メタデータ） (2024-08-01T00:40:17Z)
• Training Transformer Models by Wavelet Losses Improves Quantitative and Visual Performance in Single Image Super-Resolution [6.367865391518726]
  トランスフォーマーベースモデルは、画像超解像(SR)を含む低レベル視覚タスクにおいて顕著な結果を得た グローバルにより多くの入力ピクセルを活性化するために、ハイブリッドアテンションモデルが提案されている。 ウェーブレット損失を利用してTransformerモデルをトレーニングし、定量的および主観的性能を向上させる。
  論文  参考訳（メタデータ） (2024-04-17T11:25:19Z)
• In-Domain GAN Inversion for Faithful Reconstruction and Editability [132.68255553099834]
  ドメイン誘導型ドメイン正規化とエンコーダで構成されたドメイン内GANインバージョンを提案し、事前学習されたGANモデルのネイティブ潜在空間における反転コードを正規化する。 エンコーダ構造,開始反転点,および逆パラメータ空間の効果を総合的に解析し,再構成品質と編集特性とのトレードオフを観察する。
  論文  参考訳（メタデータ） (2023-09-25T08:42:06Z)
• iWarpGAN: Disentangling Identity and Style to Generate Synthetic Iris Images [13.60510525958336]
  iWarpGANは、クラス間とクラス内の両方のバリエーションでアイリス画像を生成する。 深層学習に基づく虹彩マッチングの性能を向上させることで合成画像の有用性を実証する。
  論文  参考訳（メタデータ） (2023-05-21T23:10:14Z)
• Artificial Pupil Dilation for Data Augmentation in Iris Semantic Segmentation [0.0]
  現代の虹彩認識のアプローチでは、深層学習を用いて虹彩の有効部分を眼の他の部分から切り離す。 本稿では,新しいデータ拡張手法を導入することにより,虹彩意味分節システムの精度を向上させることを目的とする。
  論文  参考訳（メタデータ） (2022-12-24T13:31:56Z)
• Super-Resolution and Image Re-projection for Iris Recognition [67.42500312968455]
  異なるディープラーニングアプローチを用いた畳み込みニューラルネットワーク(CNN)は、解像度の低い画像から現実的なテクスチャときめ細かい詳細を復元しようとする。 本研究は、虹彩認識環境における虹彩超解法(SR)に対するこれらのアプローチの実現可能性について検討する。 その結果,CNNと画像再投影は,認識システムの精度向上に有効であることが示唆された。
  論文  参考訳（メタデータ） (2022-10-20T09:46:23Z)
• Very Low-Resolution Iris Recognition Via Eigen-Patch Super-Resolution and Matcher Fusion [69.53542497693086]
  局所像パッチの固有変換に基づいて虹彩画像の再構成に用いる超解像アルゴリズムの評価を行った。 コントラストの強化は再現性を向上させるのに用いられ、マーカ融合は虹彩認識性能を改善するために採用されている。
  論文  参考訳（メタデータ） (2022-10-18T11:25:19Z)
• Restormer: Efficient Transformer for High-Resolution Image Restoration [118.9617735769827]
  畳み込みニューラルネットワーク(CNN)は、大規模データから一般化可能な画像の事前学習をうまく行う。 トランスフォーマーは、自然言語とハイレベルな視覚タスクにおいて、顕著なパフォーマンス向上を示している。 我々のモデルであるRecovery Transformer (Restormer) は、いくつかの画像復元タスクにおいて最先端の結果を得る。
  論文  参考訳（メタデータ） (2021-11-18T18:59:10Z)
• The Nuts and Bolts of Adopting Transformer in GANs [124.30856952272913]
  高忠実度画像合成のためのGAN(Generative Adversarial Network)フレームワークにおけるTransformerの特性について検討する。 我々の研究は、STrans-Gと呼ばれる畳み込みニューラルネットワーク(CNN)フリージェネレータであるGANにおけるトランスフォーマーの新しい代替設計につながる。
  論文  参考訳（メタデータ） (2021-10-25T17:01:29Z)
• Toward Accurate and Reliable Iris Segmentation Using Uncertainty Learning [96.72850130126294]
  高精度で信頼性の高いアイリスセグメンテーションのためのアイリスU変換器(アイリスUsformer)を提案する。 IrisUsformerの精度向上のために,位置感応操作と再パッケージング変圧器ブロックを採用することで精巧に設計する。 IrisUsformer は SOTA IrisParseNet の 35% MAC を用いて, セグメンテーション精度の向上を図っている。
  論文  参考訳（メタデータ） (2021-10-20T01:37:19Z)

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。