論文の概要: xEdgeFace: Efficient Cross-Spectral Face Recognition for Edge Devices

• arxiv url: http://arxiv.org/abs/2504.19646v1
• Date: Mon, 28 Apr 2025 10:03:11 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-05-02 19:15:54.395517
• Title: xEdgeFace: Efficient Cross-Spectral Face Recognition for Edge Devices
• Title（参考訳）: xEdgeFace:エッジデバイスのための効率的なクロススペクトル顔認識
• Authors: Anjith George, Sebastien Marcel,
• Abstract要約: Heterogeneous Face Recognition (HFR) は、異なる知覚モードにわたる顔画像のマッチングという課題に対処する。 ハイブリッドCNN-Transformerアーキテクチャを適用し,軽量かつ効果的なHFRフレームワークを提案する。 提案手法は,RGBの顔認識タスクにおいて高い性能を保ちながら,最小対の異種データを用いた効率的なエンドツーエンドトレーニングを実現する。
• 参考スコア（独自算出の注目度）: 4.910937238451485
• License: http://creativecommons.org/licenses/by-nc-nd/4.0/
• Abstract: Heterogeneous Face Recognition (HFR) addresses the challenge of matching face images across different sensing modalities, such as thermal to visible or near-infrared to visible, expanding the applicability of face recognition systems in real-world, unconstrained environments. While recent HFR methods have shown promising results, many rely on computation-intensive architectures, limiting their practicality for deployment on resource-constrained edge devices. In this work, we present a lightweight yet effective HFR framework by adapting a hybrid CNN-Transformer architecture originally designed for face recognition. Our approach enables efficient end-to-end training with minimal paired heterogeneous data while preserving strong performance on standard RGB face recognition tasks. This makes it a compelling solution for both homogeneous and heterogeneous scenarios. Extensive experiments across multiple challenging HFR and face recognition benchmarks demonstrate that our method consistently outperforms state-of-the-art approaches while maintaining a low computational overhead.
• Abstract（参考訳）: Heterogeneous Face Recognition (HFR) は、熱から可視、近赤外から可視まで、さまざまなセンシングモードで顔画像とマッチングすることの課題に対処し、現実の非拘束環境における顔認識システムの適用性を拡大する。 最近のHFR手法は有望な結果を示しているが、多くのものは計算集約型アーキテクチャに依存しており、リソース制約のあるエッジデバイスへのデプロイの実用性を制限している。 本研究では,顔認識のために設計されたハイブリッドCNN-Transformerアーキテクチャを適用し,軽量かつ効果的なHFRフレームワークを提案する。 提案手法は,RGBの顔認識タスクにおいて高い性能を保ちながら,最小対の異種データを用いた効率的なエンドツーエンドトレーニングを実現する。 これにより、同種シナリオと異種シナリオの両方に対する説得力のある解決策となる。 複数の挑戦的HFRおよび顔認識ベンチマークに対する大規模な実験により、我々の手法は計算オーバーヘッドを低く保ちながら、常に最先端の手法より優れていることが示された。

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)
• Text-Guided Face Recognition using Multi-Granularity Cross-Modal Contrastive Learning [0.0]
  テキスト誘導顔認識(TGFR)を導入し、自然言語記述の形で顔属性を統合することの影響を解析する。 TGFRは、特に低画質の画像において、既存の顔認識モデルよりも顕著に改善されている。
  論文  参考訳（メタデータ） (2023-12-14T22:04:22Z)
• Rethinking the Domain Gap in Near-infrared Face Recognition [65.7871950460781]
  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。
  論文  参考訳（メタデータ） (2023-12-01T14:43:28Z)
• Blind Face Restoration: Benchmark Datasets and a Baseline Model [63.053331687284064]
  Blind Face Restoration (BFR) は、対応する低品質 (LQ) 入力から高品質 (HQ) の顔画像を構築することを目的としている。 EDFace-Celeb-1M (BFR128) と EDFace-Celeb-150K (BFR512) と呼ばれる2つのブラインドフェイス復元ベンチマークデータセットを最初に合成する。 最先端の手法は、ブラー、ノイズ、低解像度、JPEG圧縮アーティファクト、それらの組み合わせ(完全な劣化)の5つの設定でベンチマークされる。
  論文  参考訳（メタデータ） (2022-06-08T06:34:24Z)
• 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)
• A Synthesis-Based Approach for Thermal-to-Visible Face Verification [105.63410428506536]
  本稿では,ARL-VTFおよびTUFTSマルチスペクトル顔データセット上での最先端性能を実現するアルゴリズムを提案する。 MILAB-VTF(B)も提案する。
  論文  参考訳（メタデータ） (2021-08-21T17:59:56Z)
• Hierarchical Deep CNN Feature Set-Based Representation Learning for Robust Cross-Resolution Face Recognition [59.29808528182607]
  クロスリゾリューション顔認識(CRFR)は、インテリジェントな監視およびバイオメトリックフォレンジックにおいて重要である。 既存の浅層学習と深層学習に基づく手法は、HR-LR対を共同特徴空間にマッピングすることに焦点を当てている。 本研究では,多レベル深層畳み込みニューラルネットワーク(CNN)の機能を完全に活用し,堅牢なCRFRを実現することを目的とする。
  論文  参考訳（メタデータ） (2021-03-25T14:03:42Z)
• Multi-Margin based Decorrelation Learning for Heterogeneous Face Recognition [90.26023388850771]
  本稿では,超球面空間におけるデコリレーション表現を抽出するディープニューラルネットワーク手法を提案する。 提案するフレームワークは,不均一表現ネットワークとデコリレーション表現学習の2つのコンポーネントに分けることができる。 2つの難解な異種顔データベースに対する実験結果から,本手法は検証タスクと認識タスクの両方において優れた性能を発揮することが示された。
  論文  参考訳（メタデータ） (2020-05-25T07:01:12Z)

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。