論文の概要: AHAN: Asymmetric Hierarchical Attention Network for Identical Twin Face Verification

• arxiv url: http://arxiv.org/abs/2602.21503v1
• Date: Wed, 25 Feb 2026 02:33:25 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-02-26 18:19:16.675224
• Title: AHAN: Asymmetric Hierarchical Attention Network for Identical Twin Face Verification
• Title（参考訳）: AHAN: Identical Twin Face Verificationのための非対称階層型注意ネットワーク
• Authors: Hoang-Nhat Nguyen,
• Abstract要約: 現在の顔認識法は標準ベンチマークで99.8%以上の精度を達成しているが、同一の双子を区別すると88.9%に劇的に低下する。 非対称階層型注意ネットワーク (AHAN) を提案する。 AHANは92.3%の双子の検証精度を達成し、最先端の手法よりも3.4%改善した。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Identical twin face verification represents an extreme fine-grained recognition challenge where even state-of-the-art systems fail due to overwhelming genetic similarity. Current face recognition methods achieve over 99.8% accuracy on standard benchmarks but drop dramatically to 88.9% when distinguishing identical twins, exposing critical vulnerabilities in biometric security systems. The difficulty lies in learning features that capture subtle, non-genetic variations that uniquely identify individuals. We propose the Asymmetric Hierarchical Attention Network (AHAN), a novel architecture specifically designed for this challenge through multi-granularity facial analysis. AHAN introduces a Hierarchical Cross-Attention (HCA) module that performs multi-scale analysis on semantic facial regions, enabling specialized processing at optimal resolutions. We further propose a Facial Asymmetry Attention Module (FAAM) that learns unique biometric signatures by computing cross-attention between left and right facial halves, capturing subtle asymmetric patterns that differ even between twins. To ensure the network learns truly individuating features, we introduce Twin-Aware Pair-Wise Cross-Attention (TA-PWCA), a training-only regularization strategy that uses each subject's own twin as the hardest possible distractor. Extensive experiments on the ND_TWIN dataset demonstrate that AHAN achieves 92.3% twin verification accuracy, representing a 3.4% improvement over state-of-the-art methods.
• Abstract（参考訳）: 同一の双対顔認証は、最先端のシステムでさえ、圧倒的な遺伝的類似性のために失敗する、極端にきめ細かな認識の課題である。 現在の顔認識法では、標準ベンチマークでは99.8%以上の精度が達成されているが、同一の双子を区別すると88.9%に劇的に低下し、生体認証システムの重大な脆弱性が露呈している。 難しさは、個人をユニークに識別する微妙で非遺伝的なバリエーションを捉える学習機能にある。 非対称階層型注意ネットワーク (AHAN) を提案する。 AHANは階層的クロスアテンション(HCA)モジュールを導入し、セマンティック顔領域のマルチスケール分析を行い、最適な解像度で特別な処理を可能にする。 さらに,左右の顔半身間の交叉アテンションを計算し,双子でも異なる微妙な非対称パターンを捉えることにより,ユニークなバイオメトリックシグネチャを学習する顔非対称アテンションモジュール(FAAM)を提案する。 ネットワークが真に識別可能な特徴を確実に学習するために,各被験者の双子を最も難易度の高い障害として利用するトレーニング専用正規化戦略であるTwin-Aware Pair-Wise Cross-Attention (TA-PWCA)を導入する。 ND_TWINデータセットの大規模な実験は、AHANが92.3%の双子の検証精度を達成し、最先端の手法よりも3.4%改善したことを示している。

関連論文リスト

• DisCo: Reinforcement with Diversity Constraints for Multi-Human Generation [60.741022906593685]
  DisCoは、マルチヒューマン世代におけるアイデンティティの多様性を直接最適化する最初のRLベースのフレームワークである。 グループ相対ポリシー最適化によるDisCo微粒フローマッチングモデル。 DiverseHumans Testsetでは、DisCoは98.6のユニークな顔の精度とほぼ完璧なグローバルアイデンティティスプレッドを実現している。
  論文  参考訳（メタデータ） (2025-10-01T19:28:51Z)
• Person Recognition at Altitude and Range: Fusion of Face, Body Shape and Gait [70.00430652562012]
  FarSightは、顔認識のためのエンドツーエンドシステムで、顔、歩行、体形を横断する生体計測の手がかりを統合する。 FarSightは、4つのコアモジュールにまたがる新しいアルゴリズムを組み込んでいる。
  論文  参考訳（メタデータ） (2025-05-07T17:58:25Z)
• A Lightweight Transformer with Phase-Only Cross-Attention for Illumination-Invariant Biometric Authentication [1.2137050542976475]
  本稿では位相のみのクロスアテンション(POC-ViT)を用いた新しい軽量視覚変換器を提案する。 POC-ViTは顔の額部と外眼部の2つの生体特性を利用しており、顔マスクでも身体に触れることなくよく機能する。
  論文  参考訳（メタデータ） (2024-12-26T10:40:15Z)
• 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)
• Boosting Facial Action Unit Detection Through Jointly Learning Facial Landmark Detection and Domain Separation and Reconstruction [4.4150617622399055]
  AUドメインの分離と再構築と顔のランドマーク検出を共同で学習するマルチタスク学習を導入した新しいAU検出フレームワークを提案する。 また,単純なプロジェクタによるコントラッシブ・ラーニングとコントラッシブ・ロスの改善に基づく新たな特徴アライメント手法を提案する。
  論文  参考訳（メタデータ） (2023-10-08T15:49:26Z)
• Benchmarking Human Face Similarity Using Identical Twins [5.93228031688634]
  自動顔認識(FR)アプリケーションにおいて、双子の双子と双子以外の見た目を区別する問題はますます重要になっている。 この研究は、2つのFR課題に対処するために、これまでにコンパイルされた最大のツインデータセットの1つを応用したものである。
  論文  参考訳（メタデータ） (2022-08-25T01:45:02Z)
• Robust Facial Landmark Detection by Cross-order Cross-semantic Deep Network [58.843211405385205]
  顔のランドマーク検出を堅牢にするためのセマンティックな特徴学習を促進するために,クロスオーダー・クロスセマンティック・ディープ・ネットワーク(CCDN)を提案する。 具体的には、より識別的な表現学習のためのクロスオーダーチャネル相関を導入するために、クロスオーダー2列マルチ励起(CTM)モジュールを提案する。 新しいクロス・オーダー・クロス・セマンティック・レギュレータ (COCS) は、顔のランドマーク検出のために異なるアクティベーションからクロス・オーダーのクロス・セマンティック特徴を学習するためにネットワークを駆動するように設計されている。
  論文  参考訳（メタデータ） (2020-11-16T08:19:26Z)
• Deep Multi-task Multi-label CNN for Effective Facial Attribute Classification [53.58763562421771]
  DMM-CNN(ディープ・マルチタスク・マルチラベル・CNN)による効果的な顔属性分類(FAC)を提案する。 具体的には、DMM-CNNは、2つの密接に関連するタスク(顔のランドマーク検出とFAC)を共同で最適化し、マルチタスク学習を活用することにより、FACの性能を向上させる。 2つの異なるネットワークアーキテクチャは2つの属性のグループの特徴を抽出するために設計され、トレーニング中に各顔属性に損失重みを自動的に割り当てる新しい動的重み付け方式が提案されている。
  論文  参考訳（メタデータ） (2020-02-10T12:34:16Z)

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。