要約
異種顔認識（Heterogeneous Face Recognition: HFR）は、大きなドメイン間の差異と異種データの不足により、難問となっています。本論文では、HFRを双方向生成問題として捉え、新たな双方向変分生成（Dual Variational Generation: DVG）フレームワークを提案します。このフレームワークは、ノイズから同一人物の新しい大規模な異種画像ペアを生成することで、HFRにおけるドメイン間のギャップを縮小することを目指しています。具体的には、まず双方向変分オートエンコーダーを導入し、ペアとなる異種画像の同時分布を表現します。次に、生成された異種画像ペアの同一性の一貫性を確保するために、潜在空間での分布揃えと画像空間でのペアごとの同一性保持を行います。さらに、HFRネットワークは、生成された異種画像ペア間の特徴量距離を制約することでドメイン間の差異を低減します。4つのHFRデータベースにおいて広範な実験が行われた結果、本手法は最先端の結果を大幅に向上させることができることが示されました。関連するコードはhttps://github.com/BradyFU/DVGで入手可能です。