面向无约束人脸识别的可控引导式人脸合成
计算机视觉与模式识别
2022-07-22 v1
摘要
尽管人脸识别(FR)已取得显著进展,但由于半约束训练数据集与无约束测试场景之间的域差距,无约束环境下的人脸识别仍具挑战性。为解决该问题,我们提出一种可控人脸合成模型(CFSM),可在风格潜空间中模拟目标数据集的分布。CFSM在风格潜空间中学习具有正交基的线性子空间,对合成多样性和程度进行精确控制。此外,预训练的合成模型可由FR模型引导,使生成图像更利于FR模型训练。此外,目标数据集分布由所学正交基刻画,可用于衡量人脸数据集间的分布相似性。我们的方法在无约束基准(IJB-B、IJB-C、TinyFace和IJB-S(+5.76% Rank1))上取得了显著的性能提升。
引用
@article{arxiv.2207.10180,
title = {Controllable and Guided Face Synthesis for Unconstrained Face Recognition},
author = {Feng Liu and Minchul Kim and Anil Jain and Xiaoming Liu},
journal= {arXiv preprint arXiv:2207.10180},
year = {2022}
}
备注
to be published in ECCV 2022