Oct, 2017

提高光照鲁棒人脸识别中的阴影抑制

PDF
TL;DR本文提出了一种新的方法来提高照明归一化的性能，通过建立反射模型和制定面部颜色外观的形成，生成了一种在对数颜色空间中稳健抵御照明变化的色度内在图像（CII）并在此基础上重新构建出逼真的面部彩色图像，实验结果表明该方法能够处理包括软阴影和硬阴影在内的照明变化，从而提高人脸识别的效果。
2d face analysisillumination robust preprocessingreflectance modelchromaticity intrinsic image (cii)photo-realistic color face image
发现论文，激发创造
  • 鲁棒人脸素描合成的快速预处理

    本文提出了一种快速预处理方法 Bidirectional Luminance Remapping（BLR），能够互动地调整训练和输入照片的照明，使其能够直接融入最先进的基于示例的方法中，从而提高它们的鲁棒性，而忽略计算的成本。

    Aug, 2017

  • 利用无监督深度高光提取技术将人脸作为光探针

    本文提出了一种利用单张图片中的人脸来估计场景光照的方法，通过深度神经网络提取高光并追溯回环境中，得到非参数化的环境图，该方法表现出了最新技术水平，适用于各种室内外场景。

    Mar, 2018

  • 实现高保真度的人脸光照重渲染带真实阴影

    我们提出了一种新颖的深度人脸光照方法，通过学习预测源图像和目标图像之间的比值图像，同时使用估计的阴影掩码准确修改影子，使得我们能够在保留本地面部细节的同时重新照明图像，并使用阴影掩码来估算图像中的环境光强度，在 Multi-PIE 和 FFHQ 数据集上进行定量和定性评估，证明了我们所提出的方法在保留主体的本地面部细节，并能够准确地处理深硬阴影的同时达到了最先进的人脸光照效果。

    Apr, 2021

  • 光照条件变化下的图像检索

    使用 U-Net 学习算法对白天和晚上图像进行照明规范化处理，解决了光照变化下的图像检索问题，并取得了良好的实验效果。

    Aug, 2019

  • 通过评估面部照明质量，提高美容产品推荐的准确性

    我们的研究主要关注在负责任的美容产品推荐中的挑战，特别是涉及将产品颜色与人的肤色进行比较，比如粉底和遮瑕产品。我们引入了一个机器学习框架用于光照评估，通过将图像分类为良好或恶劣的光照条件，为用户提供相机拍照时的实时反馈，从而改进了不同肤色的产品推荐。

    Sep, 2023

  • 快速、灵活、稳健的低光图像增强

    本文提出一种新的自校准照明（SCI）学习框架，用于在低光环境下快速，灵活和准确地增强图像，通过耦合权值共享的级联照明学习过程来实现此任务，从而极大地减少计算成本，提高模型适用性。

    Apr, 2022

  • 单目条件人脸反射重建

    通过在图像空间而非 UV 空间中学习反射先验，该研究提出了一个名为 ID2Reflectance 的框架，可以直接估计单幅图像的反射映射，减少对反射数据的依赖，并展示了出色的泛化能力和在野外人脸上状态最佳的面部反射重建结果。

    Mar, 2024

  • 揭示阴影：使用自校准照明进行低光图像增强

    通过使用改进的自校准照明方法，我们解决了数字成像中光线不足的问题，增强了昏暗图像的明亮度并通过选择性照明增强保持了显色性。

    Dec, 2023

  • 姿态和光照不变人脸识别数据增强

    本文提出了一种方法，在不修改深度神经网络本身的结构下，通过半合成图像增加深度学习模型对于姿势和光照变化的适应能力，从而提升了现代人脸识别系统在具有挑战性的 IJB-A 数据集上的识别性能。

    Apr, 2017

  • 光照感知合成的内在协调

    本研究介绍了一种在内在图像领域中制定的自我监督照明协调方法，通过估计中级视觉表征生成的大体阴影，再通过网络对其进行修正以生成与背景场景一致的协调再阴影，结合先前协调方法的思想，在色调域中执行参数化图像编辑，实现前景与背景的颜色外观匹配，并通过挑战性实际复合结果和用户研究验证我们方法的有效性和与最先进的协调方法相比增强的真实感。

    Dec, 2023