論文の概要: Local and Global Feature Attention Fusion Network for Face Recognition
- arxiv url: http://arxiv.org/abs/2411.16169v2
- Date: Fri, 06 Dec 2024 02:32:23 GMT
- ステータス: 翻訳完了
- システム内更新日: 2024-12-09 15:54:23.931663
- Title: Local and Global Feature Attention Fusion Network for Face Recognition
- Title(参考訳): 顔認識のための局所的・大域的特徴注意融合ネットワーク
- Authors: Wang Yu, Wei Wei,
- Abstract要約: 本稿では,特徴量に基づく地域的・グローバルな特徴注意融合(LGAF)ネットワークを提案する。
ネットワークは特徴品質に応じて局所特徴とグローバル特徴の注意を適応的に割り当て、より差別的で高品質な顔特徴を得る。
実験の結果、LGAFは4ドルの検証セットで最高の平均性能を達成していることがわかった。
- 参考スコア(独自算出の注目度): 6.479154287764899
- License:
- Abstract: Recognition of low-quality face images remains a challenge due to invisible or deformation in partial facial regions. For low-quality images dominated by missing partial facial regions, local region similarity contributes more to face recognition (FR). Conversely, in cases dominated by local face deformation, excessive attention to local regions may lead to misjudgments, while global features exhibit better robustness. However, most of the existing FR methods neglect the bias in feature quality of low-quality images introduced by different factors. To address this issue, we propose a Local and Global Feature Attention Fusion (LGAF) network based on feature quality. The network adaptively allocates attention between local and global features according to feature quality and obtains more discriminative and high-quality face features through local and global information complementarity. In addition, to effectively obtain fine-grained information at various scales and increase the separability of facial features in high-dimensional space, we introduce a Multi-Head Multi-Scale Local Feature Extraction (MHMS) module. Experimental results demonstrate that the LGAF achieves the best average performance on $4$ validation sets (CFP-FP, CPLFW, AgeDB, and CALFW), and the performance on TinyFace and SCFace outperforms the state-of-the-art methods (SoTA).
- Abstract(参考訳): 低画質の顔画像の認識は、部分的な顔領域で見えないか変形するため、依然として困難である。
低画質の画像では、部分的な顔領域が欠如しているため、局所的な類似性は顔認識(FR)に寄与する。
逆に、局所的な顔の変形に支配される場合、局所的な注意が過度に注意を向けると、誤った判断がもたらされるが、グローバルな特徴はより堅牢性を示す。
しかし、既存のFR法のほとんどは、異なる要因によって導入された低品質画像の特徴的品質のバイアスを無視している。
この問題に対処するため,我々は特徴量に基づく地域的・グローバルな特徴注意融合(LGAF)ネットワークを提案する。
ネットワークは特徴量に応じて局所的特徴とグローバル的特徴の注意を適応的に割り当て、局所的特徴とグローバル的情報相補性を通じてより差別的で高品質な顔特徴を得る。
さらに,多次元空間における顔の特徴の分離性を高めるため,マルチヘッドマルチスケール局所特徴抽出(MHMS)モジュールを導入する。
実験の結果、LGAFは4ドルの検証セット(CFP-FP, CPLFW, AgeDB, CALFW)で最高の平均性能を達成し、TinyFaceとSCFaceのパフォーマンスは最先端手法(SoTA)よりも優れていた。
関連論文リスト
- Generalized Face Liveness Detection via De-fake Face Generator [52.23271636362843]
以前の顔アンチスプーフィング(FAS)手法は、目に見えない領域に一般化するという課題に直面している。
本稿では,大規模に付加的な現実面を効果的に活用できるAnomalous cue Guided FAS (AG-FAS)法を提案する。
提案手法は,未知のシナリオと未知のプレゼンテーションアタックを用いたクロスドメイン評価において,最先端の結果を実現する。
論文 参考訳(メタデータ) (2024-01-17T06:59:32Z) - TOPIQ: A Top-down Approach from Semantics to Distortions for Image
Quality Assessment [53.72721476803585]
画像品質評価(IQA)は、ディープニューラルネットワークによる顕著な進歩を目の当たりにしたコンピュータビジョンの基本課題である。
本稿では,高レベルの意味論を用いてIQAネットワークを誘導し,意味的に重要な局所歪み領域に注目するトップダウンアプローチを提案する。
提案手法の重要な要素は,低レベル特徴に対するアテンションマップを算出した,クロススケールアテンション機構である。
論文 参考訳(メタデータ) (2023-08-06T09:08:37Z) - Multi-spectral Class Center Network for Face Manipulation Detection and Localization [52.569170436393165]
顔の操作検出と局所化のための新しいマルチスペクトル・クラス・センター・ネットワーク(MSCCNet)を提案する。
周波数帯域の異なる特徴に基づき、MSCCモジュールはマルチスペクトルクラスセンターを収集し、ピクセル対クラス関係を計算する。
多スペクトルクラスレベルの表現を適用することで、偽画像の操作された領域に敏感な視覚概念の意味情報を抑えることができる。
論文 参考訳(メタデータ) (2023-05-18T08:09:20Z) - Deep face recognition with clustering based domain adaptation [57.29464116557734]
そこで本研究では,ターゲットドメインとソースがクラスを共有しない顔認識タスクを対象とした,クラスタリングに基づく新しいドメイン適応手法を提案する。
本手法は,特徴領域をグローバルに整列させ,その一方で,対象クラスタを局所的に識別することで,識別対象特徴を効果的に学習する。
論文 参考訳(メタデータ) (2022-05-27T12:29:11Z) - MGRR-Net: Multi-level Graph Relational Reasoning Network for Facial Action Units Detection [16.261362598190807]
FACS(Facial Action Coding System)は、顔画像中のアクションユニット(AU)を符号化する。
我々は、AU特徴の符号化は、地域的特徴とグローバルな特徴の間のリッチな文脈情報を捉えないかもしれないと論じる。
顔AU検出のためのマルチレベルグラフ推論ネットワーク(MGRR-Net)を提案する。
論文 参考訳(メタデータ) (2022-04-04T09:47:22Z) - Adaptively Enhancing Facial Expression Crucial Regions via Local
Non-Local Joint Network [37.665344656227624]
表情認識の特徴学習において, 顔重要領域を適応的に照らすために, 局所的非局所関節ネットワークを提案する。
提案手法は,5つのベンチマークデータセット上での最先端手法と比較して,より競争力のある性能を実現する。
論文 参考訳(メタデータ) (2022-03-26T10:58:25Z) - Region-Aware Face Swapping [23.779312164460695]
RAFSwap(Rerea-Aware Face Swapping)ネットワークは、識別に一貫性のある高解像度顔生成を実現する。
textbf1) ローカル・ファシカル・リージョン・アウェア(FRA)ブランチは、ローカル・アイデンティティ関連機能を強化します。
textbf2) Global Source Feature-Adaptive (SFA)ブランチは、グローバルID関連キューを補完する。
textitFace Mask Predictor (FMP)モジュールにはStyleGAN2が組み込まれている。
論文 参考訳(メタデータ) (2022-03-09T07:55:45Z) - Gait Recognition via Effective Global-Local Feature Representation and
Local Temporal Aggregation [28.721376937882958]
歩行認識は最も重要な生体計測技術の一つであり、多くの分野で応用されている。
近年の歩行認識フレームワークは、人間のグローバルな外観または地域から抽出された記述子によって各歩行フレームを表現している。
歩行認識のための識別的特徴表現を実現するための新しい特徴抽出・融合フレームワークを提案する。
論文 参考訳(メタデータ) (2020-11-03T04:07:13Z) - DotFAN: A Domain-transferred Face Augmentation Network for Pose and
Illumination Invariant Face Recognition [94.96686189033869]
本稿では,3次元モデルを用いたドメイン転送型顔強調ネットワーク(DotFAN)を提案する。
DotFANは、他のドメインから収集された既存のリッチフェイスデータセットから抽出された知識に基づいて、入力顔の一連の変種を生成することができる。
実験によると、DotFANは、クラス内の多様性を改善するために、小さな顔データセットを増やすのに有益である。
論文 参考訳(メタデータ) (2020-02-23T08:16:34Z) - Dual-Attention GAN for Large-Pose Face Frontalization [59.689836951934694]
本稿では,フォトリアリスティック顔フロンダル化のためのDA-GAN(Dual-Attention Generative Adversarial Network)を提案する。
具体的には、ローカル機能と長距離依存関係を統合するために、自己アテンションベースのジェネレータが導入された。
顔領域の局所的特徴を強調するために,新しい顔認識に基づく識別器を適用した。
論文 参考訳(メタデータ) (2020-02-17T20:00:56Z) - FakeLocator: Robust Localization of GAN-Based Face Manipulations [19.233930372590226]
本稿では,FakeLocatorと呼ばれる新しいアプローチを提案する。
これは、GANベースのフェイクローカライゼーション問題をグレースケールのフェイクネスマップで解決する最初の試みである。
人気の高いFaceForensics++,DFFDデータセット,および7種類の最先端のGANベースの顔生成手法による実験結果から,本手法の有効性が示された。
論文 参考訳(メタデータ) (2020-01-27T06:15:01Z)
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。