Apr, 2019

自注意力引导综合极化热到可见光人脸验证

PDF
TL;DR本研究提出了一种基于 SAGAN 的综合网络，旨在将可见人脸合成为热成像，并将热成像合成为可见人脸，在跨域匹配中取得了最先进的性能。
polarimetric thermalface verificationcross-modal matchingsynthesis networkstate-of-the-art performance
发现论文，激发创造
  • 通过属性保持合成进行极化热到可见光人脸验证

    本研究提出一种新颖的方法，通过使用从可见图像中提取的属性来从输入的热图像中合成属性保留的可见图像，用于跨模态匹配和人脸验证，该方法组合了预先训练的 VGG-Face 网络和 Attribute Preserved Generative Adversarial Network（AP-GAN）技术，并在 ARL 极化人脸数据集上进行实验，取得了明显的性能提升。

    Jan, 2019

  • 基于生成对抗网络的极化热脸可见脸合成

    本文提出了一种基于生成对抗网络的可见面孔合成 (GAN-VFS) 方法，通过联合优化来自极化热成像的面孔图像。通过在训练过程中引入指导子网络来确保编码的可见特征包含更多的语义信息，结合恒等损失和感知损失实现兼顾光学真实属性和重建输出的区分特征，实验表明该方法达到了最先进的性能。

    Aug, 2017

  • 使用生成对抗网络从偏振热面生成高质量的可见人脸

    本研究提出了一个基于生成对抗网络和多流特征级融合技术的新方法，将极化热成像的人脸图像合成为高质量的可见光图像，并在不同的实验协议下进行多次实验验证。

    Dec, 2018

  • 深度交叉极化热 - 可见光人脸识别

    本文介绍了一种深度耦合学习框架，用于解决将极化热量面部照片与可见面部照片库进行匹配的问题，提出了一种耦合的深度神经网络体系结构，该体系结构能够充分利用极化热面部信息来训练深层模型，表现优于现有的交叉热 - 可见面部识别算法的最新模型。

    Jan, 2018

  • 使用 Axial-GAN 实现热成像到可见光人脸验证的同时人脸超分辨与翻译

    在热成像人脸识别领域，提出了一种新的方法 ——Axial-Generative Adversarial Network (Axial-GAN)，对低分辨率的热成像图像进行高分辨率的可见图像合成，通过 axial-attention layer 将 transformer 的优势应用于 GAN 框架，使得在两个不同的热 - 可见人脸数据集上相较于现有工作，该方法取得了显著的图像质量和人脸验证性能的提升，并且更加高效。

    Apr, 2021

  • 使用语义引导生成对抗网络将热成像映射到可见光人脸图像

    本研究提出使用语义引导生成对抗网络（SG-GAN）从热成像中自动生成可见光人脸图像，并通过多种不同的损失函数进行控制以实现更好的可视化效果和性能，从而在多光谱人脸图像识别领域取得了有希望的结果。

    Mar, 2019

  • 基于综合的方法进行热 - 可见光人脸验证

    本研究提出了一种新的算法，实现了对 ARL-VTF 和 TUFTS 多光谱人脸数据集的最新性能和 MILAB-VTF（B）数据集的强大性能。该算法具有广泛的适用性，稳健性和高效性，并将提出的方法与人脸正面化方法进行比较。

    Aug, 2021

  • 利用多个区域进行面部图像的热成像合成

    利用全局和局部特征提出综合方法，在热成像脸部图像中合成可见光谱面部图像，改善了面部识别准确率和人脸地标检测。

    Mar, 2018

  • TV-GAN: 基于生成对抗网络的热成像到可见光人脸识别

    提出一种基于 TV-GAN 的方法解决在红外相机下进行的人脸识别问题，该方法可以确保在图像转换的过程中保留身份信息，通过对判别器网络训练进行显式的闭合集人脸认证损失的规范，使得 TV-GAN 可以在处理前所未见过的人的图像时更好地保留身份信息。

    Dec, 2017

  • 跨模态人脸识别的深度感知映射

    本文提出了一种利用深度神经网络来捕捉 2 种不同模式下人脸匹配问题的非线性映射关系，以达到跨模式人脸匹配的目的，并在 3 个数据集上获得了相当大的识别率提升。

    Jan, 2016