論文の概要: Does Head Pose Correction Improve Biometric Facial Recognition?
- arxiv url: http://arxiv.org/abs/2512.03199v1
- Date: Tue, 02 Dec 2025 19:53:30 GMT
- ステータス: 情報取得中
- システム内更新日: 2025-12-04 12:05:21.448862
- Title: Does Head Pose Correction Improve Biometric Facial Recognition?
- Title（参考訳）: 頭部の矯正は生体顔認証を改善するか?
- Authors: Justin Norman, Hany Farid,
- Abstract要約: 我々は,AIによる主目的補正と画像復元によって認識精度が向上するかどうかを検討する。
また,3D再構成 (NextFace), 2D前立腺化 (CFR-GAN), 機能強化 (CodeFormer) のナイーブな応用は顔認識精度を著しく低下させることがわかった。
しかし、CFR-GANとCodeFormerの組み合わせによる選択的な適用は、有意義な改善をもたらす。
- 参考スコア（独自算出の注目度）: 14.466802614938333
- License:
- Abstract: Biometric facial recognition models often demonstrate significant decreases in accuracy when processing real-world images, often characterized by poor quality, non-frontal subject poses, and subject occlusions. We investigate whether targeted, AI-driven, head-pose correction and image restoration can improve recognition accuracy. Using a model-agnostic, large-scale, forensic-evaluation pipeline, we assess the impact of three restoration approaches: 3D reconstruction (NextFace), 2D frontalization (CFR-GAN), and feature enhancement (CodeFormer). We find that naive application of these techniques substantially degrades facial recognition accuracy. However, we also find that selective application of CFR-GAN combined with CodeFormer yields meaningful improvements.
- Abstract（参考訳）: 生体顔認証モデルは、実世界の画像を処理する際の精度が著しく低下することが多く、品質が悪く、前頭前者のポーズが悪く、被写体が閉塞しているのが特徴である。
我々は,AIによる主目的補正と画像復元によって認識精度が向上するかどうかを検討する。
3次元再構成(NextFace),2次元前立腺化(CFR-GAN),機能強化(CodeFormer)の3つのアプローチの効果を評価する。
これらの手法のナイーブな応用は顔認識の精度を著しく低下させることがわかった。
しかし、CFR-GANとCodeFormerの組み合わせによる選択的な適用は、有意義な改善をもたらす。
関連論文リスト
- Do Not DeepFake Me: Privacy-Preserving Neural 3D Head Reconstruction Without Sensitive Images [5.462031439048112]
本稿では,詳細な幾何学的精度を保ちながら,繊細な顔情報への露出を避けることを目的とした,新しい2段階の顔再構成手法を提案する。
提案手法はまず, 初期幾何に非感度な後頭部画像を用い, 処理されたプライバシー除去勾配画像を用いてその形状を改良する。
論文 参考訳（メタデータ） (2023-12-07T07:41:10Z) - Effective Adapter for Face Recognition in the Wild [72.75516495170199]
私たちは、画像が低品質で現実世界の歪みに悩まされる、野生の顔認識の課題に取り組みます。
従来のアプローチでは、劣化した画像や、顔の復元技術を使って強化された画像を直接訓練するが、効果がないことが証明された。
高品質な顔データセットで訓練された既存の顔認識モデルを強化するための効果的なアダプタを提案する。
論文 参考訳（メタデータ） (2023-12-04T08:55:46Z) - NeutrEx: A 3D Quality Component Measure on Facial Expression Neutrality [7.736597471757526]
中性表現アンカーへの3次元顔再構成の蓄積距離に基づく品質指標を提案する。
提案手法がベースライン手法よりも優れていることを示す。
論文 参考訳（メタデータ） (2023-08-19T09:38:39Z) - Boosting Cross-Quality Face Verification using Blind Face Restoration [0.13654846342364302]
低画質画像の知覚品質を高めるためには,顔認証の課題が不可欠である。
本稿では,3つの最先端のブラインドフェイス復元技術が顔認証システムの性能に与える影響について検討する。
論文 参考訳（メタデータ） (2023-08-15T18:05:19Z) - Fast refacing of MR images with a generative neural network lowers
re-identification risk and preserves volumetric consistency [5.040145546652933]
本稿では,3次元条件生成対向ネットワークに基づく3次元T1重み付きスキャンのための顔の匿名化手法を提案する。
提案手法は顔生成に9秒を要し, 顔の変形後の一貫した後処理結果の復元に適している。
論文 参考訳（メタデータ） (2023-05-26T13:34:14Z) - Total Scale: Face-to-Body Detail Reconstruction from Sparse RGBD Sensors [52.38220261632204]
PIFuをベースとした再建術では, 顔面の平坦化が頻発する。
再建した顔のディテールの質を高めるために,2段階のPIFu表現を提案する。
顔の鮮明な細部と身体形状の変形におけるアプローチの有効性を実験的に検証した。
論文 参考訳（メタデータ） (2021-12-03T18:46:49Z) - Joint Face Image Restoration and Frontalization for Recognition [79.78729632975744]
現実世界のシナリオでは、大きなポーズ、悪い照明、低解像度、ぼやけ、ノイズなど、多くの要因が顔認識性能を損なう可能性がある。
それまでの努力は通常、まず品質の低い顔から高品質な顔に復元し、次に顔認識を行う。
与えられた低品質の顔からフロンダル化された高品質の顔を復元する多段階顔復元モデルを提案する。
論文 参考訳（メタデータ） (2021-05-12T03:52:41Z) - Implicit Subspace Prior Learning for Dual-Blind Face Restoration [66.67059961379923]
新しい暗黙的サブスペース事前学習(ISPL)フレームワークが、二重盲顔復元の一般的な解決策として提案されている。
実験の結果,既存の最先端手法に対するISPLの認識歪改善が顕著であった。
論文 参考訳（メタデータ） (2020-10-12T08:04:24Z) - Deep Face Super-Resolution with Iterative Collaboration between
Attentive Recovery and Landmark Estimation [92.86123832948809]
本稿では,2つの繰り返しネットワーク間の反復的協調による深層面超解像(FSR)手法を提案する。
各繰り返しステップにおいて、リカバリブランチは、ランドマークの事前の知識を利用して、高品質な画像を生成する。
新しい注意融合モジュールはランドマークマップのガイダンスを強化するために設計されている。
論文 参考訳（メタデータ） (2020-03-29T16:04:48Z)
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。