![](https://img-blog.csdnimg.cn/20201014180756927.png?x-oss-process=image/resize,m_fixed,h_64,w_64)
论文研读
文章平均质量分 92
论文学习记录
Janspiry
Github:Janspiry
展开
-
注意力机制 Non-local Neural Networks
Non-local Neural Networks注意力机制之前常用于语言处理,这篇文章是自注意力机制在视觉处理领域的核心之作。Motivation卷积运算和循环运算被用于捕捉局部关系,进行特征的处理,但是存在以下问题:处理远距离关系时依靠层数的堆叠增大感受野,效率不高基础块的堆叠会导致层数过深,前面网络微小参数变化将对后面网络的输出影响很大,这使得参数优化困难处理远距离之间的相互关系还是相当困难Contribution作者基于图片滤波领域的非局部均值滤波操作思想,提出了一个泛化、简单、原创 2020-12-17 23:14:45 · 1506 阅读 · 0 评论 -
人脸生成 Look across Elapse: Disentangled Representation Learning and Photorealistic Cross-Age Face
Look across Elapse: Disentangled Representation Learning and Photorealistic Cross-Age Face Synthesis for Age-Invariant Face RecognitionMotivation现有的跨年龄识别技术可以分为两种:直接提取与年龄无关的特征进行识别生成某个年龄的人脸,后进行匹配作者认为这两个任务一起进行比较合适,可以互相利用信息。Contribution主要提出人脸不变模型Age-I原创 2020-12-14 23:51:12 · 594 阅读 · 0 评论 -
人脸生成识别 Towards Pose Invariant Face Recognition in the Wild
Towards Pose Invariant Face Recognition in the WildMotivation姿态变化是人脸识别中的一个关键问题,现有的姿态不变人脸识别技术可以概括为:直接提取姿态不变特征进行识别在特征提取之前先将侧面人脸图像规范化为正面姿态作者联合执行这两项任务更为可取,以使它们彼此受益。更一步的,野外露天的人脸识别任务要求更高效准确的模型Contribution提出PIM(Pose Invariant Model)模型,它将人脸的正面化和身份识别进行端到原创 2020-12-14 17:05:18 · 614 阅读 · 2 评论 -
人脸生成:Beyond Face Rotation: Global and Local Perception GAN
Beyond Face Rotation: Global and Local Perception GAN for Photorealistic and Identity Preserving Frontal View SynthesisMotivation基于单幅人脸图像的真实感正视图合成在人脸识别领域有着广泛的应用,主要方法有两种:提取不变的特征进行映射从大姿态人脸进行恢复(拟合3D模型然后投影回2D正脸、深度学习的数据驱动方法)这些方法存在的问题:第一种方法受特征一致性与可分辨性的约原创 2020-12-13 21:54:39 · 557 阅读 · 0 评论