저품질 환경에서의 효과적인 얼굴 인식을 위한 어댑터
본 연구는 기존 얼굴 인식 모델을 개선하여 저품질 환경에서도 효과적으로 얼굴을 인식할 수 있는 어댑터 프레임워크를 제안한다. 이를 위해 저품질 이미지와 고품질로 복원된 이미지를 동시에 처리하여 도메인 간 격차를 해소하고, 다중 주의 집중 메커니즘을 통해 특징을 효과적으로 융합한다.
얼굴 인식을 위한 키포인트 상대 위치 인코딩
키포인트(예: 얼굴 랜드마크)를 활용하여 Vision Transformer (ViT)를 스케일, 이동, 자세 변화에 더욱 강인하게 만드는 새로운 방법인 KP-RPE를 제안한다.
개인정보 보호를 위한 모델 역공격 대응을 위한 적응형 하이브리드 마스킹 전략
개인정보 보호를 위해 주파수 영역에서 적응형 MixUp 기반 마스킹 기법을 제안하여 모델 역공격에 효과적으로 대응할 수 있다.
실제 개인 데이터 없이 가상 얼굴 이미지를 생성하는 VIGFace: 얼굴 이미지 합성을 위한 가상 ID 생성 모델
VIGFace는 실제 개인 데이터 없이도 가상 얼굴 이미지를 생성할 수 있는 새로운 프레임워크를 제안한다. 이를 통해 개인정보 보호 문제를 해결하고, 얼굴 인식 모델의 성능을 향상시킬 수 있다.
얼굴 이미지 품질 평가 향상을 위한 부정확한 의사 레이블에 강건한 클래스 내 분산 가이드
부정확한 의사 레이블로 인한 문제를 해결하기 위해 클래스 내 분산을 활용하여 FIQA 모델 학습을 개선하는 방법을 제안한다.
얼굴 인식을 위한 랜드마크 기반 자기지도학습 프레임워크 LAFS
본 연구는 얼굴 인식을 위한 효과적인 표현 학습을 위해 랜드마크 기반의 자기지도학습 프레임워크 LAFS를 제안한다. LAFS는 전체 랜드마크와 랜드마크 부분집합 간의 유사성을 최소화하여 얼굴 인식에 중요한 표현을 학습한다. 또한 랜드마크 셔플링과 좌표 교란 등의 새로운 데이터 증강 기법을 도입하여 성능을 향상시킨다.
얼굴 인식에 미치는 속성 편집의 영향 완화
얼굴 속성 편집은 자동화된 얼굴 인식 성능을 저하시킬 수 있다. 이를 완화하기 위해 지역적 및 전역적 속성 편집 기술을 제안한다.
© 2024 by Linnk AI