面向护照格式的人脸图像包容性归一化
计算机视觉与模式识别
2023-12-25 v1 人工智能
摘要
近年来，人脸识别在现实世界应用中的使用日益增多。然而，当肤色偏差与个人内变化（如强烈光照）耦合时，即使在人工检查期间，人脸识别任务也更有可能失败。人脸归一化方法试图通过从输入图像中去除个人内变化同时保持身份不变来应对此类挑战。然而，大多数人脸归一化方法只能去除一两种变化，而忽略了数据集偏差（如肤色偏差）。许多人脸归一化方法的输出对人类观察者而言也不够真实。在本工作中，提出了一种基于风格的人脸归一化模型（StyleFNM），以去除大多数个人内变化，包括大幅度的姿态变化、不良或强烈光照、低分辨率、模糊、面部表情以及太阳镜等配饰。本文还通过控制预训练的 GAN 生成平衡的类护照图像数据集，从而解决了数据集偏差问题。实验结果表明，StyleFNM 能够生成更真实的输出，并显著提高人脸识别系统的准确性和公平性。
引用
@article{arxiv.2312.14544,
title = {Inclusive normalization of face images to passport format},
author = {Hongliu Cao and Minh Nhat Do and Alexis Ravanel and Eoin Thomas},
journal= {arXiv preprint arXiv:2312.14544},
year = {2023}
}