基于属性保持合成的偏振热成像至可见光人脸验证
计算机视觉与模式识别
2022-01-14 v1
摘要
由于模态间存在巨大的域差异，热成像至可见光人脸验证是一个具有挑战性的问题。现有方法要么试图从热成像人脸合成可见光人脸，要么从这些模态中提取鲁棒特征以进行跨模态匹配。本文中，我们采取一种不同的方法：利用从可见光图像中提取的属性，从输入热成像图像合成属性保持的可见光图像以进行跨模态匹配。我们使用预训练的 VGG-Face 网络从可见光图像中提取属性。随后，提出一种新颖的属性保持生成对抗网络（AP-GAN），在提取属性的引导下从热成像图像合成可见光图像。最后，使用深度网络从合成图像与输入可见光图像中提取特征以进行验证。在 ARL 偏振人脸数据集上的大量实验表明，所提方法相较最先进的方法取得了显著改进。
引用
@article{arxiv.1901.00889,
title = {Polarimetric Thermal to Visible Face Verification via Attribute Preserved Synthesis},
author = {Xing Di and He Zhang and Vishal M. Patel},
journal= {arXiv preprint arXiv:1901.00889},
year = {2022}
}
备注
This work has been accepted by the 9th IEEE International Conference on Biometrics: Theory, Applications, and Systems (BTAS 2018)