Apr, 2023

ID2image：非 ID 信息泄漏到人脸描述符中并从描述符中反演到图像中

PDF
TL;DR本文研究发现即使经过多种训练策略，使用深度卷积神经网络将人脸图像转为描述矢量的 Embedding 仍可恢复非身份（non-ID）属性，如地标位置和图像直方图，并且我们还使用生成模型进一步优化，实现了从 ID embedding 到面部图像的逆向重建，其中身份、姿态、光线和背景 / 服饰等非身份属性都得到了真实的重建。
face recognitiondeep cnnnon-id attributeslandmark positionsgenerative model
发现论文，激发创造
  • 基于重建的位姿不变人脸识别解耦

    本文探讨了一种基于深度神经网络的人脸识别方法，针对面部不同位置的姿态变化，在训练数据相对不足的情况下，通过生成非正面视图，提高了数据多样性，并利用特征重建度量学习来显式地分离身份和姿态，实现了不变性和识别准确性。

    Feb, 2017

  • 使用卷积神经网络反演面部嵌入

    这篇论文利用深度神经网络逆向低维人脸嵌入并生成高质量真实的图像，探索了两种方法，通过引导图像使用梯度上升方法生成一致性良好的图像和通过训练单独的神经网络一次性解决最小化问题来实时生成图像，并对神经网络与梯度下降进行对比实验。

    Jun, 2016

  • 联合身份验证的深度学习人脸表示

    通过深度学习训练的 DeepID2 特征结合人脸识别和验证信号能够有效地减少人脸识别中的人际差异和人内差异并实现高辨识率。

    Jun, 2014

  • 基于深度属性的多摄像头行人重新识别

    为了解决人员重识别中因姿势变化、视角变化、摄像头参数不同等导致的人的视觉外观难以匹配的问题，提出了一个半监督属性学习框架，该框架由三个阶段组成，并使用深度卷积神经网络来预测不同数据集上的深层特征。使用简单的余弦距离作为度量，取得了出乎意料的好效果，在度量学习模块的帮助下，显著优于许多最近的工作。

    May, 2016

  • 提高人脸模型身份鲁棒性

    本研究提出使用人脸识别嵌入向量作为代理标识，通过加权样本来强制实现模型的稳健性和性能均匀性，在不需要注释的情况下提高模型的标识相关性的稳健性和性能。

    Apr, 2023

  • InstantID: 秒级零样本保身份生成

    我们介绍了基于 InstantID 的个性化图像合成方法，通过应用 IdentityNet 模型，使用单张面部图像实现各种风格的图像个性化，同时确保高保真度，并与 SD1.5 和 SDXL 等常用预训练文本到图像扩散模型无缝集成，具有卓越的性能和高效性，在重视身份保护的实际应用中极具益处。

    Jan, 2024

  • 关于深度生物特征表示的对抗反演

    本研究针对深度神经网络嵌入式特征表示的反演问题进行了研究，发现攻击者可以通过利用现成的深度神经网络模型和公共数据集，仅通过获取到的特征表示和攻击者的先验知识，模拟原始模型的行为，并构建成功鉴别的生物特征重建模型。

    Apr, 2023

  • 人物再识别的判别式学习卷积神经网络嵌入

    本文旨在探讨如何将卷积神经网络的不同特性相融合，提高行人识别任务中的性能，并提出了一个新型的任务学习框架，取得了当前公开基准数据集上的最佳表现，并且还证明了这个框架能够适用于图像检索任务。

    Nov, 2016

  • 深度学习面部表示稀疏、选择性和鲁棒性强

    本文设计了一个高性能的深度卷积网络（DeepID2+）用于人脸识别，经实验证明它在 LFW 和 YouTube Faces 的基准测试中达到了最新的最优效果，并通过了控制神经激活的稀疏性、选择性和鲁棒性研究证明了其高性能的三个关键属性。

    Dec, 2014

  • 使用模板反转近似优化形态攻击

    通过倒置理论上的最优变形嵌入来研发一种基于深度变形攻击的新方法，该方法利用面部识别系统的倒置模型生成混合攻击，具有更高的攻击效果和更快的运行速度。

    Feb, 2024