AggNet: Learning to Aggregate Faces for Group Membership Verification

要約

一部の顔認識アプリケーションでは、個人がグループのメンバーであるかどうかを、身元を明かさずに確認することに関心があります。
いくつかの既存の方法は、事前に計算された顔記述子を離散埋め込みに量子化し、それらを1つのグループ表現に集約するためのメカニズムを提案します。
ただし、このメカニズムは特定の閉集合の個人に対してのみ最適化されており、グループが変更されるたびにグループ表現を最初から学習する必要があります。
この論文では、より良いエンドツーエンドのパフォーマンスのために、顔記述子と集約メカニズムを共同で学習する深いアーキテクチャを提案します。
このシステムは、これまでに見たことのない個人がいる新しいグループに適用でき、スキームは新しいメンバーシップまたはメンバーシップの終了を簡単に管理します。
複数の大規模なワイルドフェイスデータセットでの実験を通じて、提案された方法が他のベースラインと比較してより高い検証パフォーマンスにつながることを示します。

要約(オリジナル)

In some face recognition applications, we are interested to verify whether an individual is a member of a group, without revealing their identity. Some existing methods, propose a mechanism for quantizing precomputed face descriptors into discrete embeddings and aggregating them into one group representation. However, this mechanism is only optimized for a given closed set of individuals and needs to learn the group representations from scratch every time the groups are changed. In this paper, we propose a deep architecture that jointly learns face descriptors and the aggregation mechanism for better end-to-end performances. The system can be applied to new groups with individuals never seen before and the scheme easily manages new memberships or membership endings. We show through experiments on multiple large-scale wild-face datasets, that the proposed method leads to higher verification performance compared to other baselines.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google