多阶段统计纹理导向GAN用于倾斜面部对面化
概括
这项研究介绍了一种新的统计纹理引导生成对抗网络 (STG-GAN),用于高音角人脸识别. 该方法有效地将倾斜的面部进行正面化,在具有挑战性的监控场景中提高识别精度.
科学领域:
- 计算机视觉 计算机视觉
- 人工智能的人工智能
- 生物识别信息 生物识别信息
背景情况:
- 现有的面部识别方法在监视中常见的高度角度变化中扎.
- 倾斜面部的自我封闭显著降低了用于准确识别的特征提取.
研究的目的:
- 通过解决面部正面化的挑战,开发一种强大的高角人脸识别方法.
- 在极端的姿势变化下提高面部识别系统的准确性和可靠性.
主要方法:
- 一个统计纹理导向的生成对抗网络 (STG-GAN) 被建议用于倾斜的面部面向.
- 该STG-GAN使用面部编码器,统计纹理建模和姿势引导解码器.
- 采用一个分裂与征服的策略,采用多阶段的渐进合成和专业的损失 (内容,身份,对抗性,对比性).
主要成果:
- 在STG-GAN成功地重塑高角面孔到近似的正面视图.
- 该方法在多个面部数据集的定性和定量实验中表现出卓越的性能.
- 实现姿势不变的特征提取和准确的面部部件生成.
结论:
- 拟议的STG-GAN在姿势不变的面部识别方面取得了重大进展,特别是在高尖角度.
- 这种方法提高了面部识别在现实世界监控应用中的可靠性.
- 统计纹理引导的正面化有效地处理自我封闭和立场变化.


