Attention Map を活用した顔画像の超解像度技術「CAGFace」 | AI-SCHOLAR

Attention Map を活用した顔画像の超解像度技術「CAGFace」 | AI-SCHOLAR

3つの要点 ✔️セグメンテーション技術によって生成した顔のパーツ情報 Attention Map によって、高解像度化を補強 ✔️パッチベースにより、高解像度画像を利用した学習が可能 ✔️Residual ユニットを採用することで高解像度プロセスを繰り返し適用した超高解像度化が可能 Component Attention Guided Face Super-Resolution Network: CAGFace written by Ratheesh Kalarot, Tao Li, Fatih Porikli (Submitted on 19 Oct 2019) subjects : Computer Vision and Pattern Recognition (cs.CV) 顔認識では、個々人の顔のわずかな違いを認識する必要があります。元となる顔の解像度は低いと、顔同士のわずかな差を見分けることができず、顔認識精度が低下します。そこで、顔認識技術が高精度化する一方で、入力画像の高精度化も求められています。 高解像度化においてもディープラーニングを用いた方法が盛んに提案されています。しかし、従来の研究では、顔の全体画像に対して、高解像度化を行う方法が多くありますが、メモリなどの制限があります。 そのため、この論文では、顔の全体画像をそのまま処理するのではなく、パッチ単位で処理することで、大きな入力画像に対しても高解像度処理を効率的にできるようにしています。また、顔の Landmark を正確に検出するのではなく、顔のパーツ情報を表現するAttention Map を適用する方法を提案しています、これにより高精度に自然な高解像度な顔画像を生成することに成功しています。 CAGFace の4つの構成要素 CAGFace は、4つの構成要素で成り立っています。 Component Network セグメンテーションのネットワークを使って、顔のパーツ情報を取得 Stem Layer Component Network で取得したパーツ情報を利用して、顔の特徴マップを取得 Residual Backbone Residual Network によって、ネットワークを多層化し、より Context 情報を保持した特徴マップを取得 Spatial

2 mentions: @ai_scholar
Keywords: attention
Date: 2020/03/08 18:55

Referring Tweets

@ai_scholar 顔画像を高解像度化するCAGFace 1.顔のパーツ情報を持つAttention Mapによる精密な高解像度化を実現 2.パッチベースで高解像度画像での学習も可能 3.Residual Unitによって高解像度プロセスを繰り返し適用した超高解像度化が可能 t.co/2LSvjTa8ri

Related Entries

Read more ドメイン適応に強弱をつける?物体検出タスクに適したドメイン適応技術の登場! | AI-SCHOLAR
0 users, 3 mentions 2019/10/09 04:55
Read more 第50回 強化学習アーキテクチャ勉強会 - connpass
0 users, 6 mentions 2020/01/29 17:20
Read more NICT,東大 深層学習による超伝導体の予測技術 | AI-SCHOLAR
0 users, 6 mentions 2020/01/30 00:30
Read more カクカクした映像でもFPSを上げてぬるぬる動かせる!Depth-Aware Video Frame Interpolation  | AI-SCHOLAR
1 users, 5 mentions 2020/02/18 19:55
Read more AIシステムへの現実的な攻撃手法?効率的かつ高精度な攻撃手法ZO-NGDの登場! | AI-SCHOLAR
0 users, 2 mentions 2020/03/10 18:58