AAAISep, 2018

异构人脸识别的解耦变分表示

PDF
TL;DR本文提出了一种利用 Disentangled Variational Representation (DVR) 进行 NIR 和 VIS 模态匹配的方法，在生成具有内在身份信息和内部变化的脸部表示的基础上，通过探索解缠绕潜变量空间，使用变分下界对 NIR 和 VIS 表示进行优化，取得了较大的改进。
cross-modal matchingdisentangled variational representationnir-vis face recognitionidentity informationlatent space
发现论文，激发创造
  • 迈向近红外 - 可见光蒙面人脸识别

    本论文提出一种新的异构培训方法和 3D 面部重建方法，用于最大化两个域的面部表示共享的相互信息，从而提供领域不变的面部表示，并且具有掩蔽的稳健性。

    Apr, 2021

  • DVG-Face：双重变分生成用于异质人脸识别

    该研究提出了一种双重生成模型，通过引入正面样本和负面样本，从而生成大量多样的异构人脸图像以训练异构人脸识别（HFR）网络，使其具有域不变且具有区分度的嵌入特征，并在多项挑战性数据库的 5 个 HFR 任务上实现了优越的表现。

    Sep, 2020

  • 跨光谱幻化与低秩嵌入的 NIR-VIS 人脸识别

    本文提出了一种将视觉光谱中深度学习用于人脸识别扩展到近红外光谱的方法，其核心组件为跨光谱幻觉和低秩嵌入，可实现近红外光谱人脸图像的识别，并在 CASIA NIR-VIS v2.0 基准测试中取得了最先进的准确性。

    Nov, 2016

  • 基于双高斯分布的变分子空间解缠算法在可见光 - 红外人员再识别中的应用

    本文提出了一种双高斯变分自编码器来解决可见光与红外线人物再识别中的跨模态差异问题，并通过鸳鸯捆绑降低后验崩溃并提高检索性能。

    Aug, 2020

  • 重新思考近红外人脸识别中的领域差距

    利用大规模可见光数据对大型神经网络进行预训练，然后采用正则化的微调策略，通过将异构人脸识别问题视为低数据微调问题，达到或超过四个公开基准的最新成果。

    Dec, 2023

  • 超图引导的去耦频谱变换网络用于近红外面部表情识别

    本文首次尝试深度近红外 (NIR) 面部表情识别，提出了一种名为近红外面部表情转换器 (NFER-Former) 的新方法。通过引入自注意力正交分解机制和超图引导特征嵌入方法，可以在缺失可见光信息的情况下提取表情特征，并构建大型 NIR-VIS 面部表情数据集来验证 NFER-Former 的效率。通过广泛的实验和剔除研究，证明 NFER-Former 明显改善了 NIR 面部表情识别性能，并在 Oulu-CASIA 和 Large-HFE 这两个唯一可用的 NIR 面部表情识别数据集上取得了最新的成果。

    Dec, 2023

  • 通过对齐学习：利用跨模态对应关系进行可见光 - 红外人员再识别

    本研究提出了一种新颖的特征学习框架，通过利用密集对应的交叉模态人物图像，像素级地抑制与模态相关的特征，从而更有效地促进交叉模态本地特征的判别式特征学习，从而解决了可见 - 红外人物重识别的问题。

    Aug, 2021

  • 低样本异构人脸识别的双变分生成方法

    本文提出一种新的双变分生成框架 (DVG)，通过生成大规模的具有相同身份的异构图像，从噪声中减少异构人脸识别 (HFR) 中领域差距，实现了身份一致性和配对特征距离的约束，有效缩小了领域差距。经过在四个 HFR 数据集上的广泛实验测试，表明我们的方法可以显著改进最先进的结果。

    Mar, 2019

  • 面向可见光红外人员再识别的同质化模态学习和多粒度信息探索

    本文提出一种基于 Aligned Grayscale Modality (AGM) 的跨模态人员重识别方法，通过生成灰度可见光图像和风格迁移转换红外图像得到一致的数据，再结合多颗粒度特征提取网络在特征级别进行对齐，能够显著提高跨模态检索表现。

    Apr, 2022

  • 动态身份引导注意力网络用于可见 - 红外人物再识别

    多模态人物识别中的动态身份引导注意力网络（DIAN）旨在通过挖掘身份引导和模态一致的嵌入来解决交叉模态差异的问题。实验结果表明，DIAN 在 SYSU-MM01 和 RegDB 数据集上取得了最先进的性能。

    May, 2024