• 主题
高级搜索  >
历史搜索 清空历史
首页> 外文会议>IEEE Winter Conference on Applications of Computer Vision >Mutual Information Maximization on Disentangled Representations for Differential Morph Detection
【24h】

Mutual Information Maximization on Disentangled Representations for Differential Morph Detection

机译：差异变形差异表示的互信最大化

获取原文
页面导航
  • 摘要
  • 著录项
  • 相似文献
  • 相关主题

摘要

In this paper, we present a novel differential morph detection framework, utilizing landmark and appearance disentanglement. In our framework, the face image is represented in the embedding domain using two disentangled but complementary representations. The network is trained by triplets of face images, in which the intermediate image inherits the landmarks from one image and the appearance from the other image. This initially trained network is further trained for each dataset using contrastive representations. We demonstrate that, by employing appearance and landmark disentanglement, the proposed frame-work can provide state-of-the-art differential morph detection performance. This functionality is achieved by the using distances in landmark, appearance, and ID domains. The performance of the proposed framework is evaluated using three morph datasets generated with different methodologies.
机译：在本文中，我们提出了一种新颖的差异变形检测框架，利用地标和外观解剖。 在我们的框架中，使用两个分解但互补的表示在嵌入域中表示面部图像。 网络通过面部图像的三胞胎训练，其中中间图像从一个图像和来自另一个图像的外观继承的地标。 使用对比度表示，该最初训练的网络进一步训练了每个数据集。 我们证明，通过采用外观和地标解体，所提出的帧工作可以提供最先进的差异变形的变形检测性能。 使用地标，外观和ID域中的使用距离实现此功能。 使用不同方法生成的三个变形数据集来评估所提出的框架的性能。

著录项

相似文献

  • 外文文献
  • 中文文献
  • 专利
获取原文

客服邮箱：kefu@zhangqiaokeyan.com

京公网安备：11010802029741号 ICP备案号：京ICP备15016152号-6 六维联合信息科技 (北京) 有限公司©版权所有

  • 客服微信

  • 服务号