PulseAugur
中
实时 09:24:45
English(EN) Improving Low-Resolution Face Recognition under Limited Data: How Synthetic Data Generation Can Close the Domain Gap

合成数据生成改进低分辨率人脸识别

作者 PulseAugur 编辑部 · [1 个来源] ·

研究人员研究了合成数据生成技术，以改进低分辨率人脸识别系统，特别是针对边缘设备。他们的研究比较了各种方法，包括简单的插值、知识蒸馏以及更复杂的方法，如 Real ESRGAN 风格的降级和学习到的超分辨率前端。研究结果显示合成数据与真实世界低分辨率数据之间存在差距，表明最佳合成设置并不总是能转化为在实际低分辨率数据集上的准确性提升。研究得出结论，生成方法需要通过真实低分辨率数据和直接馈送基线进行验证。 AI

影响 这项研究通过提高低分辨率图像的性能，可能为边缘设备带来更强大的人脸识别系统。

排序理由 该集群包含一篇详细介绍计算机视觉新研究发现和方法的学术论文。[lever_c_demoted from research: ic=1 ai=1.0]

在 arXiv cs.CV 阅读 →

AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →

合成数据生成改进低分辨率人脸识别

报道来源 [1]

  1. arXiv cs.CV TIER_1 English(EN) · Luis S. Luevano, \"Unsal \"Ozt\"urk, Hatef Otroshi Shahreza, Anjith George, S\'ebastien Marcel ·

    有限数据下提升低分辨率人脸识别：合成数据生成如何弥合领域差距

    arXiv:2608.06580v1 Announce Type: new Abstract: Face Recognition (FR) systems in surveillance settings often encounter Low Resolution (LR) faces, those whose face region falls below the standard 112 $\times$ 112 input size. While labelled High Resolution (HR) training data is abu…

相关实体

相关话题