論文の概要: SynThermFace: Amplifying Limited Paired Data for Visible-Thermal Face Recognition via Synthetic Data Generation
- arxiv url: http://arxiv.org/abs/2609.10303v1
- Date: Wed, 09 Sep 2026 15:15:04 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-09-10 19:44:09.077309
- Title: SynThermFace: Amplifying Limited Paired Data for Visible-Thermal Face Recognition via Synthetic Data Generation
- Title（参考訳）: SynThermFace: 合成データ生成による可視熱画像認識のための限定ペアデータ増幅
- Abstract要約: クロススペクトル顔認識は、低照度、夜間、および非拘束条件における性能を向上させる。
そこで我々はSynThermFaceを提案する。SynThermFaceは、より大規模なペア適応データセットに制限された実際の可視熱監視を増幅するフレームワークである。
- 参考スコア（独自算出の注目度）: 5.952563476824616
- License: http://creativecommons.org/licenses/by-nc-nd/4.0/
- Abstract: Face recognition (FR) is a widely used modality for biometric authentication, but conventional models rely on visible-spectrum imagery and degrade when high-quality RGB images cannot be captured. Cross-spectral face recognition addresses this limitation by matching visible images with other modalities such as thermal imagery, enabling more reliable performance in low-light, nighttime, and unconstrained conditions. However, progress is limited by the scarcity of paired visible-thermal data, which is difficult and costly to collect at scale. We propose SynThermFace, a framework that amplifies limited real visible-thermal supervision into larger paired adaptation datasets for cross-spectral face recognition. A diffusion model is first adapted using a limited set of paired visible--thermal images and then used to generate large-scale paired visible--synthetic thermal data from existing real or synthetic visible face datasets. The generated pairs are used to adapt a pretrained visible-spectrum face recognition model into a CFR model. Unlike synthesis-based approaches that require image translation at test time, the proposed method shifts generation to the training stage and performs inference with a single forward pass through the adapted recognition model. Under the same MCXFace real-pair protocol, PACT improves over the evaluated CFR adaptation baselines, isolating the effect of the proposed adaptation objective. Training PACT on larger generated paired datasets provides additional improvements over both the unadapted model and the real-pair PACT configuration. Cross-database evaluation on the Tufts dataset provides evidence that the learned representation transfers to an unseen database. The source code and trained models will be made publicly available.
- Abstract（参考訳）: 顔認識(FR)は生体認証に広く用いられている手法であるが、従来のモデルは可視スペクトル画像に依存し、高品質なRGB画像が取得できないと劣化する。
クロススペクトル顔認識は、可視画像と熱画像などの他のモダリティとをマッチングすることにより、この制限に対処し、低照度、夜間、非拘束条件でのより信頼性の高い性能を実現する。
しかし,2組の可視熱水データの不足により進行は制限され,大規模に収集することは困難かつコストがかかる。
そこで我々は,SynThermFaceを提案する。SynThermFaceは,限られた実測熱監視を,より大規模なペア適応データセットに増幅し,クロススペクトル顔認証を実現するフレームワークである。
拡散モデルは、まず、ペアの可視熱画像の限られたセットを用いて適応され、その後、既存の実または合成可視顔データセットから大規模なペアの可視熱データを生成するために使用される。
生成されたペアは、事前訓練された可視スペクトル顔認識モデルをCFRモデルに適応するために使用される。
テスト時に画像翻訳を必要とする合成ベースアプローチとは異なり、提案手法は、生成をトレーニング段階にシフトし、適応された認識モデルを介して単一の前方通過で推論を行う。
同じMCXFaceリアルタイムペアプロトコルの下で、PACTは評価されたCFR適応ベースラインよりも改善し、提案した適応目標の効果を分離する。
より大きな生成されたペアデータセット上でのPACTのトレーニングは、未適応モデルと実際のペアPACT構成の両方に対して、さらなる改善を提供する。
Tuftsデータセットのクロスデータベース評価は、学習した表現が見えないデータベースに転送される証拠を提供する。
ソースコードとトレーニングされたモデルは一般公開される予定だ。
関連論文リスト
- IDperturb: Enhancing Variation in Synthetic Face Generation via Angular Perturbation [17.433921935288577]
合成データは、顔認識(FR)システムのトレーニングのための認証顔データセットの実用的な代替として登場した。
アイデンティティ条件拡散モデルの最近の進歩は、フォトリアリスティックおよびアイデンティティ一貫性のある顔画像の生成を可能にしている。
我々は,合成顔生成の多様性を高めるため,簡易かつ効果的な幾何駆動型サンプリング戦略であるIDPERTURBを提案する。
論文 参考訳（メタデータ） (2026-02-21T13:23:26Z) - UIFace: Unleashing Inherent Model Capabilities to Enhance Intra-Class Diversity in Synthetic Face Recognition [42.86969216015855]
顔認識(FR)はコンピュータビジョンにおいて最も重要な応用の1つである。
UIFaceとして短縮された合成顔認識のためのクラス内多様性を高めるフレームワークを提案する。
実験結果から,本手法は従来の手法に比べてトレーニングデータが少なく,合成データセットの約半分の規模で大幅に上回っていることがわかった。
論文 参考訳（メタデータ） (2025-02-27T06:22:18Z) - Understanding and Improving Training-Free AI-Generated Image Detections with Vision Foundation Models [68.90917438865078]
顔合成と編集のためのディープフェイク技術は、生成モデルに重大なリスクをもたらす。
本稿では,モデルバックボーン,タイプ,データセット間で検出性能がどう変化するかを検討する。
本稿では、顔画像のパフォーマンスを向上させるContrastive Blurと、ノイズタイプのバイアスに対処し、ドメイン間のパフォーマンスのバランスをとるMINDERを紹介する。
論文 参考訳（メタデータ） (2024-11-28T13:04:45Z) - Digi2Real: Bridging the Realism Gap in Synthetic Data Face Recognition via Foundation Models [4.910937238451485]
本稿では,合成顔画像のリアリズム向上を目的とした,リアリズム伝達のための新しいフレームワークを提案する。
グラフィクスパイプラインの制御可能な側面とリアリズム強化技術を統合することで、我々は大量のリアルなバリエーションを生成する。
論文 参考訳（メタデータ） (2024-11-04T15:42:22Z) - SDFR: Synthetic Data for Face Recognition Competition [51.9134406629509]
大規模な顔認識データセットは、インターネットをクロールして個人の同意なしに収集し、法的、倫理的、プライバシー上の懸念を提起する。
近年、ウェブクローリングされた顔認識データセットにおける懸念を軽減するために、合成顔認識データセットの生成が提案されている。
本稿では,第18回IEEE International Conference on Automatic Face and Gesture Recognition (FG 2024)と共同で開催されているSynthetic Data for Face Recognition (SDFR)コンペティションの概要を紹介する。
SDFRコンペティションは2つのタスクに分けられ、参加者は新しい合成データセットまたは/または既存のデータセットを使用して顔認識システムを訓練することができる。
論文 参考訳（メタデータ） (2024-04-06T10:30:31Z) - If It's Not Enough, Make It So: Reducing Authentic Data Demand in Face Recognition through Synthetic Faces [16.977459035497162]
大規模な顔データセットは、主にWebベースのイメージから作成され、明示的なユーザの同意が欠如している。
本稿では,合成顔データを用いて効果的な顔認識モデルの訓練を行う方法について検討する。
論文 参考訳（メタデータ） (2024-04-04T15:45:25Z) - GenFace: A Large-Scale Fine-Grained Face Forgery Benchmark and Cross Appearance-Edge Learning [50.7702397913573]
フォトリアリスティック・ジェネレータの急速な進歩は、真の画像と操作された画像の相違がますます不明瞭になっている臨界点に達している。
公開されている顔の偽造データセットはいくつかあるが、偽造顔は主にGANベースの合成技術を用いて生成される。
我々は,大規模で多様できめ細かな高忠実度データセットであるGenFaceを提案し,ディープフェイク検出の進展を促進する。
論文 参考訳（メタデータ） (2024-02-03T03:13:50Z) - DOLCE: A Model-Based Probabilistic Diffusion Framework for Limited-Angle
CT Reconstruction [42.028139152832466]
Limited-Angle Computed Tomography (LACT) は、セキュリティから医療まで様々な用途で使用される非破壊的評価技術である。
DOLCEは、条件付き拡散モデルを画像として用いた、LACTのための新しいディープモデルベースのフレームワークである。
論文 参考訳（メタデータ） (2022-11-22T15:30:38Z) - A Synthesis-Based Approach for Thermal-to-Visible Face Verification [105.63410428506536]
本稿では,ARL-VTFおよびTUFTSマルチスペクトル顔データセット上での最先端性能を実現するアルゴリズムを提案する。
MILAB-VTF(B)も提案する。
論文 参考訳（メタデータ） (2021-08-21T17:59:56Z) - Identity-Aware CycleGAN for Face Photo-Sketch Synthesis and Recognition [61.87842307164351]
まず,画像生成ネットワークの監視に新たな知覚損失を適用したIACycleGAN(Identity-Aware CycleGAN)モデルを提案する。
眼や鼻などの重要な顔領域の合成により多くの注意を払うことで、フォトエッチング合成におけるサイクガンを改善する。
IACycleGANによる画像の合成を反復的に行う合成モデルと認識モデルとの相互最適化手法を開発した。
論文 参考訳（メタデータ） (2021-03-30T01:30:08Z) - Multi-Scale Thermal to Visible Face Verification via Attribute Guided
Synthesis [55.29770222566124]
可視画像から抽出した属性を用いて、熱画像から属性保存された可視画像を合成し、クロスモーダルマッチングを行う。
抽出した属性によって導かれる熱画像から可視像を合成するために, 新規なマルチスケールジェネレータを提案する。
事前訓練されたVGG-Faceネットワークを利用して、合成画像と入力可視画像から特徴を抽出し、検証を行う。
論文 参考訳（メタデータ） (2020-04-20T01:45:05Z)
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。