Adversarial Discriminative Heterogeneous Face Recognition
当前的问题及概述:
在NIR-VIS图像转换的一个主要挑战是,图像对在大多数数据库中没有准确对齐。即使我们可以根据面部的位置标记对图像进行对齐,同一对象的姿势和面部表情仍然有很大的差异。
本文提出了一种对抗式特征学习框架,分为跨模态面部生成模块和对抗判别特征学习模块。这两个部分分别在pixel空间和feature空间上消除了不同模态间的差异。
模型及loss:
本文提出的HFR network网络框架:
2.1Cross-spectral Face Hallucination
我们引入了一对GV: IN→IV和GN: IV→IN实现相反的变换,这样我们就可以构建VIS和NIR域之间的映射循环。同时,通过DV和DN进行判别,生成器和判别器loss如下:
同时加入cycleGAN的思路,采用了cycleGAN loss:
生成部分采用two-stream结构,由于近红外图像与其他面部区域的VIS图像之间存在特殊的对应关系,我
2018 AAAI之人脸识别:Adversarial Discriminative Heterogeneous Face Recognition
最新推荐文章于 2022-01-26 09:27:44 发布
![](https://img-home.csdnimg.cn/images/20240711042549.png)