SPEC-NETとSPEC-CGAN:顔からの投機性除去のための深層学習モデル【JST・京大機械翻訳】

Muhammad Siraj; Muhammad Siraj; Dailey Matthew N.; Farooq Muhammad; Majeed Muhammad F.; Ekpanyapong Mongkol

文献

J-GLOBAL ID：202002217528937716 整理番号：20A0290441

SPEC-NETとSPEC-CGAN:顔からの投機性除去のための深層学習モデル【JST・京大機械翻訳】

Spec-Net and Spec-CGAN: Deep learning models for specularity removal from faces

出版者サイト複写サービスで全文入手 {{ this.onShowCLink("http://jdream3.com/copy/?sid=JGLOBAL&noSystem=1&documentNoArray=20A0290441&COPY=1") }}
高度な検索・分析はJDreamⅢで {{ this.onShowJLink("http://jdream3.com/lp/jglobal/index.html?docNo=20A0290441&from=J-GLOBAL&jstjournalNo=A0611C") }}

著者 (6件)： , , , , ,
資料名：
巻： 93 ページ： Null 発行年： 2020年
JST資料番号： A0611C ISSN： 0262-8856 資料種別：逐次刊行物 (A)
記事区分：原著論文発行国：オランダ (NLD) 言語：英語 (EN)

画像分割と追跡のような多くのコンピュータビジョンアルゴリズムが拡散表面を仮定するので,画像を鏡面と拡散成分に分割するプロセスはコンピュータビジョンにおける基本的問題である。そのため,鏡面反射の存在は誤った決定を行うためのアルゴリズムを誤らせることができる。既存の分解法は,低い鏡面性と高い色度をもつ画像に対して良好に機能する傾向があるが,高強度鏡面光の場合と低色度の画像においては失敗する。本論文では,低色度画像(顔)から高強度スペックルを除去する問題に取り組んだ。鏡面画像から構成された顔画像から構成される新しいデータセット,スペクトル-Faceを紹介した。また,スペックル除去のための2つの深い学習モデル,スペクトル-ネットとスペクトル-CGANを導入した。スペクトルネットは入力として強度チャネルを取り込み,グランドトルースに非常に近い出力画像を生成する。一方,スペクトル-CGANは入力としてRGB画像を取り,グランドトルースRGB画像に非常に類似した拡散画像を生成する。スペクトル-ネットを用いて,著者らは,3.979のピーク信号対雑音比(PSNR),0.000071の局所平均二乗誤差(LMSE),0.899の構造類似性指数(SSIM),および20.932のFrechet Inception Distance(FID)を得た。スペクトル-CGANを用いて,著者らは,3.360のPSNR,0.000098のLMSE,0.707のSSIM,および31.699のFIDを得た。スペクトル-ネットとスペクトル-CGANにより,実世界画像,すなわち顔に対する他の重要な複雑な視覚プロセスに先立って自動的に鏡面除去を行うことが可能である。これは,顔認識や皮膚癌検出のような処理ストリームにおける後のアルゴリズムの性能を改善する可能性がある。Copyright 2020 Elsevier B.V., Amsterdam. All rights reserved. Translated from English into Japanese by JST.【JST・京大機械翻訳】

, , , , , , , , , , , ,
, , 【Automatic Indexing@JST】

著者キーワード (4件)： , , ,

パターン認識 , 図形・画像処理一般

, , ,

前のページに戻る