Jan, 2014

多方位多层双交叉模式用于鲁棒性人脸识别

PDF
TL;DR提出了一种使用新的算法从人脸图像中提取 MDML-DCP 来执行光照、姿势和表情变化的无约束人脸识别，实验结果表明该算法优于局部描述符的表现，在具有挑战性的 LFW 和 FRGC 2.0 数据库上实现了最好的性能。
unconstrained face recognitionmulti-directional multi-level dual-cross patternsdcp featureillumination and component levelsinvariant characteristics
发现论文，激发创造
  • GoDP: 大范围优化的双通道系统用于野外人脸关键点定位

    提出了一种基于 Globally Optimized Dual-Pathway (GoDP) 深度架构的人脸定位方法，并通过多个人脸数据库的实验表明，该方法相比基于级联回归的方法更加优越。

    Apr, 2017

  • CP-mtML：面向大规模人脸检索的耦合投影多任务度量学习

    本文提出了一种新的 CP-mtML 方法，可以应对高维人脸描述符和大规模数据集，通过利用成对的相似和非相似约束作为监督，不需要对每个训练图像进行详尽的类别注释，经过在不同任务和数据集上的实证验证，可以有效地提高人脸图像检索的性能。

    Apr, 2016

  • 用于面部防欺骗的双交叉中心差分网络

    本文提出了两种交叉中心差异卷积（C-CDC）和一个强大的双交叉中心差异网络（DC-CDN），包括交叉特征交互模块和面部交换增强策略，提高了人脸反欺诈的性能。

    May, 2021

  • 跨模式人脸识别通过受控扩散

    通过建立理论连接和概率传递，DiFace 是一种通过可控的扩散过程来实现面部识别的解决方案，不仅在更广泛的任务领域释放了 DPMs 的潜力，而且在文本到图像的面部识别中实现了显著的准确性，这是我们知道的首次，这一点通过我们在验证和识别实验中的结果得到证实。

    Dec, 2023

  • DCFace：双条件扩散模型合成人脸

    通过将主体外貌和外部条件（样式）结合来解决面部图像合成的问题，Dual Condition Face Generator 是一种基于扩散模型的生成器，可通过 Patch-wise 样式提取和 Time-step 受限 ID 损失来提供高精准控制，从而比以前的方法提供更高的身份验证准确性。

    Apr, 2023

  • 基于模板的人脸识别深度异质特征融合

    本文提出了一种深度异构特征融合网络，用于增强不同深度卷积神经网络生成的特征之间的关联性，以实现基于模板的人脸识别任务，并在 IARPA Janus Challenge Set 3 (Janus CS3) 数据集上证明了本方法的有效性。

    Feb, 2017

  • 双层协作变压器用于图像字幕生成

    本研究提出一种新型双层协作变换器（DLCT）网络，结合传统网格特征和目标检测网络提取的描述性区域特征，利用双向自注意力和局部约束交叉关注模块来加强区域和网格特征间的语义语境关系，进一步提高图像字幕生成的性能，并在 MS-COCO 数据集上达到新的最先进性能。

    Jan, 2021

  • 一种有效的面部识别大规模训练方法

    利用动态类池，在不降低性能的情况下加快速度，提高人脸识别精度。

    May, 2021

  • 异构人脸识别的联合深度学习

    本文提出了一种基于联合深度学习的异构人脸匹配方法，该方法通过在特征空间中寻找共享特征空间，将异构人脸匹配问题近似为同质人脸匹配问题。实验结果表明，该方法可以在具有挑战性的 CASIA NIR-VIS 2.0 人脸识别数据库以及 IIIT-D Sketch 数据库、CUHK Face Sketch（CUFS）和 CUHK Face Sketch FERET（CUFSF）等数据库上实现更好的性能。

    Apr, 2017

  • 一种用于人脸检测的深度金字塔可变部件模型

    提出了 DP2MFD 算法，它基于 Deformable Part Models 和深度金字塔特征来检测各种大小和姿态的人脸，通过在深度卷积神经网络上添加归一化层来减少 DPM 在深层特征训练和测试中的差距，通过在四个公开的人脸检测数据集上的广泛实验表明，该方法能够捕捉人脸的有意义的结构，并且比许多竞争性的人脸检测算法表现得更好。

    Aug, 2015