論文の概要: Look Through Masks: Towards Masked Face Recognition with De-Occlusion Distillation

• arxiv url: http://arxiv.org/abs/2409.12385v1
• Date: Thu, 19 Sep 2024 01:00:36 GMT
• ステータス: 処理完了
• システム内更新日: 2024-11-07 15:14:47.096864
• Title: Look Through Masks: Towards Masked Face Recognition with De-Occlusion Distillation
• Title（参考訳）: マスクを通して見る:脱閉塞蒸留による仮面認識に向けて
• Authors: Chenyu Li, Shiming Ge, Daichi Zhang, Jia Li,
• Abstract要約: 本稿では, マスク面認識の課題に対するアモーダル完了のメカニズムを, エンド・ツー・エンド・エンド・デオクルージョン蒸留フレームワークを用いて移行することを提案する。 合成対向ネットワークを適用して顔補完を行い、マスクの下にある内容を回復し、外観の曖昧さを解消する。 テキスト蒸留モジュールは、訓練済みの一般顔認識モデルを教師として受け取り、その知識を、完成した顔の学習者に伝達する。
• 参考スコア（独自算出の注目度）: 39.159835055226274
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Many real-world applications today like video surveillance and urban governance need to address the recognition of masked faces, where content replacement by diverse masks often brings in incomplete appearance and ambiguous representation, leading to a sharp drop in accuracy. Inspired by recent progress on amodal perception, we propose to migrate the mechanism of amodal completion for the task of masked face recognition with an end-to-end de-occlusion distillation framework, which consists of two modules. The \textit{de-occlusion} module applies a generative adversarial network to perform face completion, which recovers the content under the mask and eliminates appearance ambiguity. The \textit{distillation} module takes a pre-trained general face recognition model as the teacher and transfers its knowledge to train a student for completed faces using massive online synthesized face pairs. Especially, the teacher knowledge is represented with structural relations among instances in multiple orders, which serves as a posterior regularization to enable the adaptation. In this way, the knowledge can be fully distilled and transferred to identify masked faces. Experiments on synthetic and realistic datasets show the efficacy of the proposed approach.
• Abstract（参考訳）: 現在、ビデオ監視や都市ガバナンスのような現実世界の多くのアプリケーションは、さまざまなマスクによるコンテンツ置換が不完全な外観と曖昧な表現をもたらし、精度が急激に低下するマスク付き顔の認識に対処する必要がある。 近年のアモーダル認識の進展に触発されて, 2つのモジュールからなるエンドツーエンドの除染蒸留フレームワークを用いて, マスク面認識タスクにおけるアモーダル完了のメカニズムを移行することを提案する。 textit{de-occlusion} モジュールは生成的敵ネットワークを適用して顔補完を行い、マスクの下のコンテンツを復元し、外観の曖昧さを除去する。 textit{distillation}モジュールは、訓練済みの一般顔認識モデルを教師として受け取り、大量のオンライン合成顔ペアを使用して、その知識を学生に訓練する。 特に、教師の知識は、複数の順序のインスタンス間の構造的関係で表現され、適応を可能にする後続の正規化として機能する。 このようにして、知識を完全に蒸留し、マスクされた顔を特定するために転送することができる。 合成および現実的なデータセットの実験は、提案手法の有効性を示す。

関連論文リスト

• Masked Face Recognition with Generative-to-Discriminative Representations [29.035270415311427]
  本研究では,マスク付き顔認識を容易にするために,生成と識別の表現を学習するための統合されたディープネットワークを提案する。 まず,顔の塗り絵に予め訓練された生成エンコーダを利用して,顔のマスクをカテゴリ認識記述子に表現する。 我々は,多層畳み込みネットワークを識別的再構成器として組み込んで,カテゴリ対応記述子をアイデンティティ対応ベクトルに変換することを学習する。
  論文  参考訳（メタデータ） (2024-05-27T02:20:55Z)
• 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)
• MM-3DScene: 3D Scene Understanding by Customizing Masked Modeling with Informative-Preserved Reconstruction and Self-Distilled Consistency [120.9499803967496]
  本稿では,地域統計を探索し,代表的構造化点の発見と保存を行う新しい情報保存型再構築法を提案する。 本手法は, 地域形状のモデル化に集中し, マスク復元のあいまいさを軽減できる。 マスク付き領域における情報保存型再構築と未加工領域からの連続自己蒸留を組み合わせることにより,MM-3DSceneと呼ばれる統合フレームワークが提供される。
  論文  参考訳（メタデータ） (2022-12-20T01:53:40Z)
• 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)
• Segmentation-Reconstruction-Guided Facial Image De-occlusion [48.952656891182826]
  隠蔽は野生の顔画像で非常に一般的であり、顔関連タスクの劣化パフォーマンスに繋がる。 本稿では,顔分割と3次元顔再構成に基づく新しい顔除去モデルを提案する。
  論文  参考訳（メタデータ） (2021-12-15T10:40:08Z)
• 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)
• FocusFace: Multi-task Contrastive Learning for Masked Face Recognition [4.420321822469077]
  SARS-CoV-2は科学界に直接的かつ間接的な課題を提示した。 顔認識手法は、マスクやマスクされていない個人に類似した精度で身元確認を行うのに苦労する。 本研究では,マルチタスクアーキテクチャであるFocusFaceを提案する。
  論文  参考訳（メタデータ） (2021-10-28T08:17:12Z)
• 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)
• FT-TDR: Frequency-guided Transformer and Top-Down Refinement Network for Blind Face Inpainting [77.78305705925376]
  ブラインド・フェイス・インペインティング(ブラインド・フェイス・インペインティング)とは、顔画像の劣化した領域を明確に示さずに、視覚コンテンツを再構築する作業である。 本稿では、これらの課題に対処するために、周波数誘導変換器とTop-Down Refinement Network(FT-TDR)と呼ばれる新しい2段階ブラインドフェイス塗装法を提案する。
  論文  参考訳（メタデータ） (2021-08-10T03:12:01Z)

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。