이 논문은 이종 얼굴 인식(HFR) 문제를 다룬다. HFR은 서로 다른 도메인(예: 열화상 vs. 가시광선)의 얼굴 이미지를 매칭하는 것을 목표로 한다. 도메인 간 격차로 인해 기존 얼굴 인식 모델의 성능이 저하되는 문제가 있다.
저자들은 이 문제를 해결하기 위해 서로 다른 모달리티를 고유한 스타일로 간주하고, 중간 특징 맵을 조절하는 Conditional Adaptive Instance Modulation (CAIM) 모듈을 제안한다. CAIM 모듈은 사전 학습된 얼굴 인식 모델에 삽입되어 타깃 모달리티의 특징 맵을 조절함으로써 도메인 간 격차를 해소한다. 이를 통해 소량의 학습 데이터만으로도 HFR 모델을 구축할 수 있다.
저자들은 다양한 HFR 벤치마크 데이터셋에서 실험을 수행하여 제안 방법의 우수성을 입증했다. 가시광선-열화상, 가시광선-스케치, 가시광선-저해상도 등 다양한 도메인 간 매칭 실험에서 기존 최신 방법들을 능가하는 성능을 보였다.
לשפה אחרת
מתוכן המקור
arxiv.org
תובנות מפתח מזוקקות מ:
by Anjith Georg... ב- arxiv.org 04-23-2024
https://arxiv.org/pdf/2404.14247.pdfשאלות מעמיקות