論文の概要: MoDE: Mixture of Diffusion Experts for Any Occluded Face Recognition

• arxiv url: http://arxiv.org/abs/2505.04306v1
• Date: Wed, 07 May 2025 10:29:39 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-05-08 19:07:36.039239
• Title: MoDE: Mixture of Diffusion Experts for Any Occluded Face Recognition
• Title（参考訳）: MoDE: 顔認識のための拡散エキスパートの混在
• Authors: Qiannan Fan, Zhuoyang Li, Jitong Li, Chenyang Cao,
• Abstract要約: 本稿では,OFRの拡散専門家(MoDE)の同一性を持つ混合体を提案する。 複数再構成された顔から有効な情報をアンサンブルするために,アイデンティティ・ゲーティング・ネットワークを導入する。 私たちのMoDEは、既存のほとんどの顔認識モデルのためのプラグイン・アンド・プレイモジュールです。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: With the continuous impact of epidemics, people have become accustomed to wearing masks. However, most current occluded face recognition (OFR) algorithms lack prior knowledge of occlusions, resulting in poor performance when dealing with occluded faces of varying types and severity in reality. Recognizing occluded faces is still a significant challenge, which greatly affects the convenience of people's daily lives. In this paper, we propose an identity-gated mixture of diffusion experts (MoDE) for OFR. Each diffusion-based generative expert estimates one possible complete image for occluded faces. Considering the random sampling process of the diffusion model, which introduces inevitable differences and variations between the inpainted faces and the real ones. To ensemble effective information from multi-reconstructed faces, we introduce an identity-gating network to evaluate the contribution of each reconstructed face to the identity and adaptively integrate the predictions in the decision space. Moreover, our MoDE is a plug-and-play module for most existing face recognition models. Extensive experiments on three public face datasets and two datasets in the wild validate our advanced performance for various occlusions in comparison with the competing methods.
• Abstract（参考訳）: 流行の連続的な影響により、人々はマスクを着用することに慣れるようになった。 しかし、現在の隠蔽顔認識(OFR)アルゴリズムの多くは、隠蔽に関する事前の知識を欠いているため、隠蔽された顔の様々な型や重大さを扱う場合の性能は低下する。 隠された顔を認識することは依然として重要な課題であり、人々の日常生活の利便性に大きな影響を及ぼす。 本稿では,OFRの拡散専門家(MoDE)の個人化による混合を提案する。 各拡散に基づく生成の専門家は、隠蔽された顔の1つの可能な完全像を推定する。 拡散モデルのランダムサンプリングプロセスを考えると、塗装された顔と実際の顔の間に必然的な違いとバリエーションをもたらす。 複数再構成された顔から有効な情報をアンサンブルするために、各再構成された顔のアイデンティティへの寄与を評価し、決定空間における予測を適応的に統合するアイデンティティゲーティングネットワークを導入する。 さらに,MoDEは既存のほとんどの顔認識モデルのためのプラグイン・アンド・プレイモジュールである。 3つのパブリックフェイスデータセットと2つのデータセットに関する大規模な実験は、競合する手法と比較して、様々なオクルージョンに対する我々の高度なパフォーマンスを検証する。

関連論文リスト

• OSDFace: One-Step Diffusion Model for Face Restoration [72.5045389847792]
  拡散モデルは、顔の修復において顕著な性能を示した。 顔復元のための新しいワンステップ拡散モデルOSDFaceを提案する。 その結果,OSDFaceは現状のSOTA(State-of-the-art)手法を視覚的品質と定量的指標の両方で上回っていることがわかった。
  論文  参考訳（メタデータ） (2024-11-26T07:07:48Z)
• ID$^3$: Identity-Preserving-yet-Diversified Diffusion Models for Synthetic Face Recognition [60.15830516741776]
  合成顔認識(SFR)は、実際の顔データの分布を模倣するデータセットを生成することを目的としている。 拡散燃料SFRモデルであるtextID3$を紹介します。 textID3$はID保存損失を利用して、多様だがアイデンティティに一貫性のある顔の外観を生成する。
  論文  参考訳（メタデータ） (2024-09-26T06:46:40Z)
• 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)
• 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)
• Towards NIR-VIS Masked Face Recognition [47.00916333095693]
  近赤外可視(NIR-VIS)顔認識は異種顔認識において最も一般的な症例である。 2つのドメインの顔表現で共有される相互情報を最大化するための新しいトレーニング手法を提案する。 さらに、既存のNIR画像からマスク面を合成するために、3次元顔再構成に基づくアプローチを用いる。
  論文  参考訳（メタデータ） (2021-04-14T10:40:09Z)

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。