SD-GAN：结构与去噪 GAN 揭示遮挡下的面部部件
计算机视觉与模式识别
2020-02-21 v1 机器学习
图像与视频处理
摘要
某些面部部件在外观上具有显著性（独特性），对个体的整体识别贡献显著。这些显著部件被遮挡会恶化人脸识别算法的性能。本文中，我们提出一种生成模型来重建被遮挡的面部缺失部件。所提出的生成模型（SD-GAN）在重建人脸时保留光照变化与面部身份。我们为双模态互斥生成对抗网络（GAN）模型设计了一种新颖的对抗训练算法，以实现更快收敛。还提出了一种新颖的对抗性“结构”损失函数，由两部分组成：整体损失与局部损失，分别以 SSIM 和分块 MSE 表征。在真实与合成遮挡人脸数据集上的消融研究表明，即使对于提升人脸识别性能，我们所提出的技术也以可观优势优于竞争方法。
引用
@article{arxiv.2002.08448,
title = {SD-GAN: Structural and Denoising GAN reveals facial parts under occlusion},
author = {Samik Banerjee and Sukhendu Das},
journal= {arXiv preprint arXiv:2002.08448},
year = {2020}
}
备注
Recommended for revision in Neurocomputing, Elsevier