論文の概要: Collaborative Feature Aggregation for Face Super-Resolution and Robust Re-Identification

• arxiv url: http://arxiv.org/abs/2607.28130v1
• Date: Thu, 30 Jul 2026 12:39:57 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-07-31 21:37:00.565694
• Title: Collaborative Feature Aggregation for Face Super-Resolution and Robust Re-Identification
• Title（参考訳）: 顔の超解像とロバスト再同定のための協調的特徴集約
• Abstract要約: 顔の超解像(SR)と、シーケンシャル画像や多視点画像から頑健な人物を同定するための新しい協調手法を提案する。 コンバータを用いた協調的特徴集約手法を導入することにより、時間や視点をまたいだ複数の相関した顔観察を活用できる。 本研究は、下流視覚認知タスクの強化において、複数の顔入力からの関節のアイデンティティ再構築と進行的な画像復元の有効性を強調した。
• 参考スコア（独自算出の注目度）: 9.337630814789009
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: We propose a novel collaborative approach for face super-resolution (SR) and robust person re-identification from sequential or multi-view facial images. Traditional SR methods often suffer from blurring and distortion in faces recovered from poor-quality images due to low resolution. Image- and video-based facial SR methods using facial landmarks or segmentation also have similar challenges. To overcome these limitations, we leverage multiple correlated facial observations, across time or viewpoints, by introducing a transformer-based collaborative feature aggregation method that unifies identity features from multi-sequence or multi-view data. This allows faces in multiple sequences of an individual to contribute to accurately estimating common facial features. Furthermore, we propose a cascade SR network to progressively restore the high-resolution image of the target's face with gradual facial feature unification. The unified identity representation is further utilized in person re-identification scenarios, enabling accurate matching even under severe image degradation. The exhaustive experimental results and comparisons show that our method outperforms other state-of-the-art methods, demonstrating consistent improvements in both face super-resolution and re-identification performance. Our work highlights the effectiveness of joint identity reconstruction and progressive image restoration from multiple facial inputs in enhancing downstream visual recognition tasks.
• Abstract（参考訳）: 顔の超解像(SR)と、連続または多視点の顔画像から頑健な人物を同定するための新しい協調的アプローチを提案する。 従来のSR法は、低解像度のため、画質の悪い画像から回収された顔のぼやけや歪みに悩まされることが多い。 顔のランドマークやセグメンテーションを用いた画像およびビデオベースの顔SR法も同様の課題がある。 これらの制限を克服するために,マルチシーケンスやマルチビューデータからアイデンティティ特徴を統一するトランスフォーマーベースの協調的特徴集約手法を導入することにより,時間や視点をまたいだ複数の相関した顔観察を活用する。 これにより、個人の複数のシーケンスの顔が、共通の顔の特徴を正確に推定するのに寄与する。 さらに,ターゲットの顔の高解像度像を段階的特徴統一で段階的に復元するカスケードSRネットワークを提案する。 統一されたアイデンティティ表現は、人物の再識別シナリオでさらに活用され、厳しい画像劣化であっても正確なマッチングを可能にする。 実験結果と比較結果から,本手法は他の最先端手法よりも優れており,顔の超解像と再同定性能の両面において一貫した改善が見られた。 本研究は、下流視覚認知タスクの強化において、複数の顔入力からの関節のアイデンティティ再構築と進行的な画像復元の有効性を強調した。

関連論文リスト

• Robust Face Super-Resolution and Recognition Through Multi-Feature Aggregation in Diffusion Models [2.1688624609312077]
  本稿では拡散モデルに基づく超解像アルゴリズムであるFASR++を紹介する。 高品質な画像を生成し、顔認識タスクのパフォーマンスを大幅に向上させることができる。 2つの標準的な顔認識データセットに対するアプローチを検証する。
  論文  参考訳（メタデータ） (2026-07-06T23:49:55Z)
• Personalized Face Super-Resolution with Identity Decoupling and Fitting [50.473357681579664]
  極端な劣化シナリオでは、重要な属性とID情報が入力画像で著しく失われることが多い。 既存の方法では、そのような条件下で幻覚顔を生成する傾向があり、真のID制約を欠いた復元画像を生成する。 本稿ではIDデカップリング・フィッティング(IDFSR)を用いた新しいFSR手法を提案する。
  論文  参考訳（メタデータ） (2025-08-13T02:33:11Z)
• 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)
• LR-to-HR Face Hallucination with an Adversarial Progressive Attribute-Induced Network [67.64536397027229]
  顔の超解像は難しい問題であり、非常に不適切な問題である。 顔の特徴を取り入れたエンドツーエンドのプログレッシブ・ラーニング・フレームワークを提案する。 提案手法は,他の最先端アプローチよりも良好な顔幻覚像が得られることを示す。
  論文  参考訳（メタデータ） (2021-09-29T19:50:45Z)
• 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)
• Cross-Resolution Adversarial Dual Network for Person Re-Identification and Beyond [59.149653740463435]
  人物再識別(re-ID)は、同一人物の画像をカメラビューでマッチングすることを目的としている。 カメラと関心のある人の距離が異なるため、解像度ミスマッチが期待できる。 本稿では,クロスレゾリューションな人物のリIDに対処する新たな生成的対向ネットワークを提案する。
  論文  参考訳（メタデータ） (2020-02-19T07:21:38Z)
• Joint Deep Learning of Facial Expression Synthesis and Recognition [97.19528464266824]
  顔表情の合成と認識を効果的に行うための新しい統合深層学習法を提案する。 提案手法は, 2段階の学習手順を伴い, まず, 表情の異なる顔画像を生成するために, 表情合成生成対向ネットワーク (FESGAN) を事前訓練する。 実画像と合成画像間のデータバイアスの問題を軽減するために,新しい実データ誘導バックプロパゲーション(RDBP)アルゴリズムを用いたクラス内損失を提案する。
  論文  参考訳（メタデータ） (2020-02-06T10:56:00Z)

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。