人脸图像的包容性规范化为护照格式
提出了一种高度稳健的基于 GAN 的框架,可从单个非约束性照片中数字化人物的标准化 3D 头像,并通过采用高度稳健的标准化 3D 面部生成器以及感知细化步骤来生成高质量的标准化面部模型。
Jun, 2021
该研究提出了一种新颖的无监督公平得分归一化方法,用于减少面部识别中的偏见,并导致显着的总体性能提升。实验结果表明,这种方法可以降低性别等群体的偏见,并且相比现有方法更加一致地减少了这种偏见,同时也可以增强总体性能。
Feb, 2020
研究发现,现有的人脸识别系统往往存在对某些民族的偏见,这是因为数据中缺乏对这些民族的充分代表。本研究通过使用合成人脸图像生成方法来改变种族和肤色,以增加数据集的多样性。研究还对使用这样的数据集进行人脸识别系统的适应性进行了详细分析,并使用个体类型角度(ITA)进行真实肤色表示的评估,并使用人脸图像质量评估方法对质量特性进行分析。通过使用四种不同的系统进行全面的人脸识别系统性能分析,本研究为未来的研究工作铺平了道路,包括(i)开发特定民族和一般民族的改变模型,(ii)扩展这样的方法以创建具有多样肤色的数据库,(iii)创建代表各种民族的数据集,进一步在解决隐私问题的同时有助于减轻偏见。
May, 2024
本文研究了监控图像中的人脸识别和规范化。 基于 Feature Adaptation Network 框架,本文提出了一种人脸规范化方法,该方法提取身份和非身份因素,通过调整身份因素的分布实现了对分辨率较低的人脸图像的超分辨率处理,进而提高监控图像中人脸识别的准确性。
Nov, 2019
该论文提出了一种生成正面中性面部图像的方法,通过从面部识别网络提取的特征来生成面部标记和纹理。通过不变性编码特征向量,使用只包含正面中性照片来训练解码器网络,解码器独立预测标记和纹理,然后使用可微分图像变形操作将它们组合在一起,最终得到可以用于多种应用的合成图像。
Jan, 2017
通过 Batch-Instance Normalization 技术,能够显式地将图像中不必要的样式进行规范化,从而对识别性任务的结果产生了惊人的提升,理论有效性得到了实验验证。
May, 2018
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
该论文提出了一个有效的 PoseFace 框架,它利用人脸特征点来解开姿势不变特征,并利用姿势自适应损失处理训练期间的数据不平衡问题,这在 Multi-PIE、CFP、CPLFW 和 IJB 等基准测试中展现了优越性。
Jul, 2021