湍流环境下的弱监督人脸与全身识别
计算机视觉与模式识别
2023-08-24 v1
摘要
人脸与行人识别在离姿态和跨光谱匹配等挑战性场景下近期取得了显著成功。然而，远距离识别系统常受大气湍流阻碍，导致图像出现时空变化的畸变。当前方案依赖生成模型重建无湍流图像，但往往保留照片真实感而非识别所需的关键判别特征。这可归因于缺乏用于最优重建的大规模湍流与清晰配对图像数据集。为解决此问题，我们提出一种新的弱监督框架，采用参数高效自注意力模块生成域无关表示，将湍流与清晰图像对齐至公共子空间。此外，我们引入一种新的倾斜图估计器，预测湍流图像中的几何畸变。该估计用于重新排序库匹配，使 rank-1 准确率提升高达 13.86%。我们的方法无需合成无湍流图像或真值配对图像，且所需标注样本显著更少，从而能够更实用、更快速地利用日益增长的大规模数据集。我们使用 Long-Range Face Identification Dataset (LRFID) 和 BRIAR Government Collection 1 (BGC1) 两个数据集分析框架，在不同湍流与间隔距离下实现了增强的判别性。
引用
@article{arxiv.2308.11757,
title = {Weakly Supervised Face and Whole Body Recognition in Turbulent Environments},
author = {Kshitij Nikhal and Benjamin S. Riggan},
journal= {arXiv preprint arXiv:2308.11757},
year = {2023}
}
备注
IJCB 2023