用于提升人脸识别的教师-学生对抗深度幻觉方法
计算机视觉与模式识别
2021-08-31 v2
摘要
我们提出了教师-学生生成对抗网络（TS-GAN），用于从单张 RGB 图像生成深度图像，以提升人脸识别系统的性能。为使我们的方法在未见数据集上具有良好的泛化能力，我们在架构中设计了两个组件：教师和学生。教师本身由一个生成器和一个判别器组成，以监督方式学习输入 RGB 与配对深度图像之间的潜在映射。学生由两个生成器（其中一个与教师共享）和一个判别器组成，从没有可用配对深度信息的新 RGB 数据中学习，以改善泛化能力。完全训练好的共享生成器随后可在运行时用于从 RGB 幻觉出深度，以用于人脸识别等下游应用。我们进行了严格的实验，以证明 TS-GAN 在生成合成深度图像方面优于其他方法。此外，人脸识别实验表明，与单一 RGB 模态相比，我们的幻觉深度与输入 RGB 图像相结合，在 IIIT-D、EURECOM 和 LFW 数据集上分别平均提升了 +1.2%、+2.6% 和 +2.6% 的性能。我们的实现已公开于：https://github.com/hardik-uppal/teacher-student-gan.git。
引用
@article{arxiv.2104.02424,
title = {Teacher-Student Adversarial Depth Hallucination to Improve Face Recognition},
author = {Hardik Uppal and Alireza Sepas-Moghaddam and Michael Greenspan and Ali Etemad},
journal= {arXiv preprint arXiv:2104.02424},
year = {2021}
}
备注
10 pages, 6 figures, Accepted to International Conference on Computer Vision 2021