文献

J-GLOBAL ID：201802294280561898   整理番号：18A2232824

生成的敵対ネットに基づく顔画像照明処理【JST・京大機械翻訳】

Face Image Illumination Processing Based on Generative Adversarial Nets

著者 (4件)： Ma Wei (Sun Yat-Sen University, Guangzhou, 510006, China) ,  Xie Xiaohua (Sun Yat-Sen University, Guangzhou, 510006, China) ,  Yin Chong (Sun Yat-Sen University, Guangzhou, 510006, China) ,  Lai Jianhuang (Sun Yat-Sen University, Guangzhou, 510006, China)
資料名： IEEE Conference Proceedings  (IEEE Conference Proceedings)
巻： 2018  号： ICPR  ページ： 2558-2563  発行年： 2018年 
JST資料番号： W2441A  資料種別： 会議録 (C)
記事区分： 原著論文  発行国： アメリカ合衆国 (USA)  言語： 英語 (EN)

抄録/ポイント： 照明の変化は顔のランドマークや顔認識のような二次元顔解析アルゴリズムの性能に大きく影響することが知られている。残念ながら,照明条件は,ほとんどの実用的応用において,通常,制御されず,予測不可能である。この問題に取り組むために多くの方法が開発されているが,特に極端な照明条件を持つ画像に対してはその結果は不十分である。さらに,ほとんどの伝統的な照明処理法はグレースケール画像のみを実証し,顔画像の厳密なアラインメントを必要とし,実世界で限られた応用をもたらす。本論文では,一般的な適応ネットワーク(GAN)によるスタイル変換タスクとして顔画像照明処理問題を再定式化することを提案した。重要な洞察は,それらの真の分布を知ることなく,2つのドメイン間のGANの強力なマッピング能力を使用することである。この新しい視点では,新しいマルチスケール二重識別ネットを開発し,視覚的に現実的な照明処理のためのマルチスケールのadvers学習を採用した。従来の方法からの洞察の利用を推奨して,再構成学習を使用して,画像品質評価の2つの新しい損失アイテムを追加して,生成画像に関する詳細を除いて,他のすべての照明の保存を強化した。CMUマルチPIEとFRGCデータセットに関する実験は,著者らの方法が有望な照明正規化結果を得ることができて,優れた視覚的品質を保存することができることを示した。Copyright 2019 The Institute of Electrical and Electronics Engineers, Inc. All rights reserved. Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： 予測 ,  正規化 ,  定式化 ,  再構成 ,  *画像 ,  品質 ,  照明条件 ,  画質 ,  *照明 ,  *顔画像 ,  視覚 ,  アラインメント ,  学習 ,  二次元
準シソーラス用語： マルチスケール , 【Automatic Indexing@JST】

分類 (1件)： 図形・画像処理一般  (JE04010I)

タイトルに関連する用語 (4件)： 敵対 ,  ネット ,  顔画像 ,  照明