用于增强 3D 人脸识别的深度图去噪网络与轻量级融合网络
计算机视觉与模式识别
2024-01-02 v1 人工智能
摘要
随着消费级深度传感器的日益普及，3D 人脸识别（FR）受到了越来越多的关注。然而，这些传感器获取的数据通常粗糙且含有噪声，使其无法直接使用。在本文中，我们引入了一种基于去噪隐式图像函数（Denoising Implicit Image Function, DIIF）的创新深度图去噪网络（Depth map denoising network, DmdNet），以降低噪声并提升低质量 3D FR 的面部深度图像质量。在使用 DmdNet 生成干净的深度人脸后，我们进一步设计了一个强大的识别网络，称为轻量级深度与法向融合网络（Lightweight Depth and Normal Fusion network, LDNFNet），该网络包含多分支融合块，用于学习深度图像与法向图像等不同模态之间独特且互补的特征。在四个不同的低质量数据库上进行的综合实验证明了我们提出方法的有效性与鲁棒性。此外，当结合 DmdNet 和 LDNFNet 时，我们在 Lock3DFace 数据库上取得了 SOTA 结果。
引用
@article{arxiv.2401.00719,
title = {Depth Map Denoising Network and Lightweight Fusion Network for Enhanced 3D Face Recognition},
author = {Ruizhuo Xu and Ke Wang and Chao Deng and Mei Wang and Xi Chen and Wenhui Huang and Junlan Feng and Weihong Deng},
journal= {arXiv preprint arXiv:2401.00719},
year = {2024}
}
备注
Accepted by Pattern Recognition