6. face recognition @ CVPR 2018
6
任意の顔向き画像に対する認識精度を向上
・Pose-Robust Face Recognition via Deep Residual Equivariant
Mapping
・Towards Pose Invariant Face Recognition in the Wild
顔画像パッチに対して顔認識精度を向上
・Dynamic Feature Learning for Partial Face Recognition
3D顔データの拡張
・Learning from Millions of 3D Scans for Large-scale
3D Face Recognition
ロス関数の提案
・Ring loss: Convex Feature Normalization for Face Recognition
・CosFace: Large Margin Cosine Loss for Deep Face
Recognition
(UVテクスチャの補間
・UV-GAN: Adversarial Facial UV Map Completion for Pose-invariant Face
Recognition)
7. face recognition @ CVPR 2018
7
Pose-Robust Face Recognition via Deep
Residual Equivariant Mapping
正⾯顔と横顔のマッピングを学習
・横顔に対する認識精度の低さに着⽬
・横顔-正⾯顔のマッピングを学習
上段:他⼈物のミスマッチ
下段:同⼀⼈物の認識失敗例
8. face recognition @ CVPR 2018
8
Pose-Robust Face Recognition via Deep
Residual Equivariant Mapping
正⾯顔と横顔のマッピングを学習
9. face recognition @ CVPR 2018
9
Towards Pose Invariant Face Recognition in the
Wild
任意の顔向き画像から正⾯顔画像を⽣成し顔認識
1,6列:⼊⼒画像
2,5列:⽣成画像
3,4列:特徴量表現
・2つのGANを⽤いて正⾯顔画像を⽣成
・認識精度、⽣成画像についてコントリビューション
10. face recognition @ CVPR 2018
10
Towards Pose Invariant Face Recognition in the
Wild
任意の顔向き画像から正⾯顔画像を⽣成し顔認識
11. face recognition @ CVPR 2018
11
Dynamic Feature Learning for Partial Face
Recognition
顔画像パッチに対して顔認識精度を向上
・FCNによって得られた特徴量マップを比較
・FCNを用いることで、高精度化と高速化を実現
12. face recognition @ CVPR 2018
12
Learning from Millions of 3D Scans for Large-
scale 3D Face Recognition
3Dスキャンデータの拡張・精度向上
・3Dスキャンデータの少なさに着⽬
・データ拡張とともに認識精度も向上
13. face recognition @ CVPR 2018
13
Learning from Millions of 3D Scans for Large-
scale 3D Face Recognition
3D顔データの拡張・精度向上
商⽤ソフトを⽤いて1)似ている組、2)似ていない組を合成
14. face recognition @ CVPR 2018
14
Ring loss: Convex Feature Normalization for
Face Recognition
識別タスクに有効なロス関数を提案
・問題設定:Softmaxロスでは原点近くの表現が曖昧
・解決⽅法:特徴量を超球⾯上にマッピング
15. face recognition @ CVPR 2018
15
CosFace: Large Margin Cosine Loss for Deep
Face Recognition
識別タスクに有効なロス関数を提案
・問題設定:Softmaxロスではcosinenお表現が曖昧
・解決⽅法:Softmaxロスに対してマージンを設定
17. 17
UV-GAN: Adversarial Facial UV Map Completion
for Pose-invariant Face Recognition
⼊⼒画像からUVテクスチャの⾃動⽣成
・U-NetによりUVマップを補完
・Identity Centre Lossを導入
face recognitionの知識を応用
18. 18
Unsupervised Training for 3D Morphable Model
Regression
教師なし3Dモーファブルモデル推定
・2つのauto encoder,4種類のロス関数を導入
・encoderとしてFaceNetを使用
face recognitionの知識を応用
19. 19
FaceID-GAN: Learning a Symmetry Three-Player
GAN for Identity-Preserving Face Synthesis
G vs D, Classifier 構図のGANを提案
・Classifierにもreal / synthesizedを判定
・IdentityをGANの枠組みに導入
face recognitionの知識を応用