生成式人脸补全有助于人脸识别吗？
计算机视觉与模式识别
2019-06-10 v1 人工智能
机器学习
摘要
面部遮挡，无论是覆盖面部的大部分还是判别性区域，都会破坏面部感知并造成信息的严重丢失。诸如近期深度人脸识别模型等生物特征系统，也无法免受遮挡物或其他覆盖面部部分区域的物体的影响。虽然当前大多数人脸识别方法并未针对处理遮挡进行优化，但已有少数尝试在训练阶段直接提升鲁棒性。与这些方法不同，我们提出研究生成式人脸补全对识别的影响。我们给出了一个基于带门控机制的卷积算子的人脸补全编码器-解码器，并使用大量人脸遮挡样本进行训练。为系统评估真实遮挡对识别的影响，我们提出进行遮挡游戏：将 3D 物体渲染到不同的人脸部位上，从而提供关于有效移除这些遮挡所产生影响的重要认知。在 Labeled Faces in the Wild (LFW) 及其更困难变体 LFW-BLUFR 上的大量实验证明，人脸补全能够部分恢复机器视觉系统中的人脸感知，从而改善识别。
引用
@article{arxiv.1906.02858,
title = {Does Generative Face Completion Help Face Recognition?},
author = {Joe Mathai and Iacopo Masi and Wael AbdAlmageed},
journal= {arXiv preprint arXiv:1906.02858},
year = {2019}
}
备注
In Proceedings Of IAPR International Conference On Biometrics 2019 (ICB'19)