基于解耦表示互信息最大化的差异形变检测
计算机视觉与模式识别
2020-12-04 v1
摘要
本文提出一种利用关键点与外观解耦的新型差异形变检测框架。在我们的框架中，人脸图像在嵌入域中由两种解耦但互补的表示来表征。该网络通过人脸图像三元组进行训练，其中中间图像从一个图像继承关键点，从另一个图像继承外观。这一初始训练的网络针对每个数据集使用对比表示进一步训练。我们证明，通过采用外观与关键点解耦，所提框架能够提供最先进的（state-of-the-art）差异形变检测性能。这一功能是通过在关键点、外观和身份域中使用距离实现的。所提框架的性能使用以不同方法生成的三个形变数据集进行了评估。
引用
@article{arxiv.2012.01542,
title = {Mutual Information Maximization on Disentangled Representations for Differential Morph Detection},
author = {Sobhan Soleymani and Ali Dabouei and Fariborz Taherkhani and Jeremy Dawson and Nasser M. Nasrabadi},
journal= {arXiv preprint arXiv:2012.01542},
year = {2020}
}
备注
IEEE Winter Conference on Applications of Computer Vision (WACV 2021)