論文の概要: MGFace: Mask-Gated Face Matching via Conditional Similarity Routing
- arxiv url: http://arxiv.org/abs/2607.13187v1
- Date: Tue, 14 Jul 2026 18:39:18 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-07-16 16:39:12.566033
- Title: MGFace: Mask-Gated Face Matching via Conditional Similarity Routing
- Title（参考訳）: MGFace: 条件付き類似性ルーティングによるマスク付き顔マッチング
- Abstract要約: MGFaceは、クエリーフェイスのマスクステータスを予測し、それに応じて類似性計算を条件付きルーティングするマスクゲート顔識別パイプラインである。
FaceNetのバックボーンでは80%以上の認証精度、ArcFaceのバックボーンでは90%以上の認証精度を実現している。
これらの結果から,MGFaceのマスク面識別精度向上に効果が示された。
- 参考スコア（独自算出の注目度）: 0.0
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Face identification has achieved remarkable performance under normal conditions. Yet, its accuracy often degrades significantly when query faces are partially occluded, especially by facial masks. Existing re-ranking approaches improve robustness by exploiting patch-level similarities. Still, they often rely on costly, fine-grained matching mechanisms, which limit their efficiency in large-scale retrieval scenarios. In this paper, we propose MGFace, a mask-gated face identification pipeline that predicts the mask status of a query face and conditionally routes the similarity computation accordingly. Specifically, MGFace distinguishes between masked and unmasked queries, applies global embedding matching to unmasked queries, and activates mask-aware patch-level re-ranking only for masked queries. This design focuses on reliable upper-face regions while avoiding unnecessary fine-grained computation. Experiments on the extended LFW-Mask dataset show that MGFace achieves over 80% identification accuracy with the FaceNet backbone and over 90% with the ArcFace backbone. Compared with a previous EMD-based re-ranking method, MGFace achieves better identification performance while reducing query time by approximately 20x. These results demonstrate the effectiveness of MGFace in improving masked-face identification accuracy with low computational overhead. The source code is available at https://github.com/chequanghuy/MGFace.
- Abstract（参考訳）: 顔の識別は正常な条件下では顕著な性能を示した。
しかし、その精度は、クエリ顔が部分的に隠されている場合、特に顔マスクによって著しく低下することが多い。
既存の再ランクのアプローチは、パッチレベルの類似性を利用して堅牢性を改善する。
それでも、大規模な検索シナリオでは効率を抑えるため、コストがかかるきめ細かなマッチング機構に頼っていることが多い。
本稿では,質問面のマスク状態を予測するマスク付き顔識別パイプラインMGFaceを提案する。
具体的には、MGFaceはマスキングクエリとマスキングクエリを区別し、マスキングクエリにグローバルな埋め込みマッチングを適用し、マスキングクエリのみにマスク対応のパッチレベルを再ランク付けする。
この設計は、不要なきめ細かい計算を避けながら、信頼性の高い上面領域に焦点を当てている。
拡張LFW-Maskデータセットの実験では、MGFaceはFaceNetバックボーンで80%以上の識別精度、ArcFaceバックボーンで90%以上を達成した。
従来のEMDベースのリグレード手法と比較して,MGFaceはクエリ時間を約20倍に削減しつつ,識別性能の向上を実現している。
これらの結果から,MGFaceのマスク面識別精度向上に効果が示された。
ソースコードはhttps://github.com/chequanghuy/MGFaceで入手できる。
関連論文リスト
- ColorMAE: Exploring data-independent masking strategies in Masked AutoEncoders [53.3185750528969]
Masked AutoEncoders (MAE)は、堅牢な自己管理フレームワークとして登場した。
データに依存しないColorMAEという手法を導入し、ランダムノイズをフィルタすることで異なる二元マスクパターンを生成する。
ランダムマスキングと比較して,下流タスクにおける戦略の優位性を示す。
論文 参考訳（メタデータ） (2024-07-17T22:04:00Z) - FaceMAE: Privacy-Preserving Face Recognition via Masked Autoencoders [81.21440457805932]
顔のプライバシと認識性能を同時に考慮する新しいフレームワークFaceMAEを提案する。
ランダムにマスクされた顔画像は、FaceMAEの再構築モジュールのトレーニングに使用される。
また、いくつかの公開顔データセット上で十分なプライバシー保護顔認証を行う。
論文 参考訳（メタデータ） (2022-05-23T07:19:42Z) - WebFace260M: A Benchmark for Million-Scale Deep Face Recognition [89.39080252029386]
我々は、未修正4MのID/260Mの顔(WebFace260M)とクリーン2MのID/42Mの顔(WebFace42M)を含む新しい100万スケールの認識ベンチマークに貢献する。
分散フレームワークは、性能を損なうことなく、顔認識モデルを効率的に訓練するために開発された。
提案したベンチマークは、標準、マスク付き、偏見のない顔認識シナリオにおいて大きな可能性を示している。
論文 参考訳（メタデータ） (2022-04-21T14:56:53Z) - MaskMTL: Attribute prediction in masked facial images with deep
multitask learning [9.91045425400833]
本稿では,マスク付き顔画像から多種多様な特徴を共同で推定する深層マルチタスク学習(MTL)手法を提案する。
提案手法は、他の競合技術よりも性能が優れている。
論文 参考訳（メタデータ） (2022-01-09T13:03:29Z) - Mask-invariant Face Recognition through Template-level Knowledge
Distillation [3.727773051465455]
マスクは従来の顔認識システムの性能に影響を与える。
マスク不変顔認識ソリューション(MaskInv)を提案する。
蒸留された知識に加えて、学生ネットワークは、マージンベースのアイデンティティ分類損失による追加ガイダンスの恩恵を受ける。
論文 参考訳（メタデータ） (2021-12-10T16:19:28Z) - Mask Transfiner for High-Quality Instance Segmentation [95.74244714914052]
高品質で効率的なインスタンスセグメンテーションのためのMask Transfinerを提案する。
当社のアプローチでは, エラーが発生しやすい木ノードを検出し, エラーを並列に自己修正する。
私たちのコードとトレーニングされたモデルは、http://vis.xyz/pub/transfiner.comで公開されます。
論文 参考訳（メタデータ） (2021-11-26T18:58:22Z) - FocusFace: Multi-task Contrastive Learning for Masked Face Recognition [4.420321822469077]
SARS-CoV-2は科学界に直接的かつ間接的な課題を提示した。
顔認識手法は、マスクやマスクされていない個人に類似した精度で身元確認を行うのに苦労する。
本研究では,マルチタスクアーキテクチャであるFocusFaceを提案する。
論文 参考訳（メタデータ） (2021-10-28T08:17:12Z) - MLFW: A Database for Face Recognition on Masked Faces [56.441078419992046]
Masked LFW (MLFW) は、マスクのない顔からマスクされた顔を自動的に生成するツールである。
SOTAモデルの認識精度は、元の画像の精度と比較して、MLFWデータベース上で5%-16%低下する。
論文 参考訳（メタデータ） (2021-09-13T09:30:10Z) - A realistic approach to generate masked faces applied on two novel
masked face recognition data sets [14.130698536174767]
本稿では,マスクのない顔を含むデータセットを合成マスクを作成し,元の画像の顔に重ね合わせることによって拡張する手法を提案する。
CASIA-WebFaceデータセットの445,446 (90%) のマスクと,CelebAデータセットの196,254 (96.8%) のマスクを生成した。
本手法は, 被験者に対して, 他の方法やデータセットと定性的に比較するように依頼することで, 顔にオーバーレイしたマスクのより現実的なトレーニング例を生成する。
論文 参考訳（メタデータ） (2021-09-03T22:33:55Z) - 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) - Boosting Masked Face Recognition with Multi-Task ArcFace [0.973681576519524]
新型コロナウイルス(COVID-19)による世界的な健康危機を考えると、口と鼻を覆うマスクは日常の衣服に欠かせないものになっています。
この尺度は、マスクされた顔で機能するよう設計されていないため、最先端の顔認識モデルをロープに乗せている。
完全なトレーニングパイプラインがArcFace作業に基づいて提示され、バックボーンとロス関数のいくつかの修正が行われている。
論文 参考訳（メタデータ） (2021-04-20T10:12:04Z)
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。