.png){kind=icon}
返回
Implicit face model: Depth super-resolution for 3D face recognition
.png){kind=icon}
PRE
AI
DOI：10.1016/j.patcog.2025.111353.png)
.png){kind=icon}
.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
虽然三维人脸识别（FR）在现实应用中具有巨大潜力，但挑战在于获取高质量深度图像。人脸超分辨率专注于从低分辨率图像重建高分辨率图像，但其应用于三维FR尚未得到深入研究。本文设计了一种隐式人脸模型（IFM），证明了隐式神经表示在连续方式下恢复深度人脸的可行性。IFM以低分辨率域坐标中分布的坐标和潜在编码作为输入，预测高分辨率域给定坐标处的深度值。为实现像素级恢复的同时确保身份相关细节，本文提出了一种注意力引导的L1损失，用于优先恢复关键面部结构。引入了一种结合傅里叶特征和坐标嵌入的位置编码策略，以保留高频细节。大量实验验证了IFM在单深度超分辨率任务中的有效性，并展示了这些超分辨率人脸在三维FR中表现出色的性能。我们的代码已公开发布在https://github.com/wm-bupt/IFM。
Keyword:
Super-resolution
3D face recognition
Implicit neural representation
Depth map
期刊
IF:
7.6
论文数:
1.4W
被引数:
4.5W
机构
引用论文
Depth Map Denoising Network and Lightweight Fusion Network for Enhanced 3D Face Recognition.png)
PATTERN RECOGNITION
OAAI
PATTERN RECOGNITIONIF7.6
OAAI分享收藏Joint depth map super-resolution method via deep hybrid-cross guidance filterPATTERN RECOGNITION
PATTERN RECOGNITIONIF7.6
PREAI
分享收藏Meta-learning-based adversarial training for deep 3D face recognition on point clouds基于元学习的点云深度三维人脸识别对抗训练PATTERN RECOGNITION
PATTERN RECOGNITIONIF7.6
PREAI
分享收藏A Composite Network Model for Face Super-Resolution with Multi-Order Head Attention Facial PriorsPATTERN RECOGNITION
PATTERN RECOGNITIONIF7.6
PREAI
分享收藏分享收藏
查看更多内容