至于阴影和光照也不在话下,哪怕站在树荫里,也能被AI“侦测”:
效果完全不输现有的真实人脸识别。
那么,这样的技术是怎么做出来的呢?
结合真人数据,训练卡通人脸识别
团队提出了一种卡通和真人的多人物训练框架,主要包括分类损失函数、未知身份拒绝损失函数和域迁移损失函数三部分,如下图所示。
其中,分类损失函数主要用来对卡通脸和真人脸进行分类。
而未知身份拒绝损失函数,则是为了在不同域之间进行无监督正则化投影。
至于域迁移损失函数,目的是降低卡通和真人域之间的差异性,对他们的相关性进行约束。
针对这个框架,研究者们探讨了三个问题:哪种算法最好?人脸识别是否有助于卡通识别?上下文信息对卡通识别是否有用?
从实验结果来看,ArcFace+FL的效果最佳,所以此次团队选用了这个算法。
至于后两个问题的答案,也是肯定的。
从下图的蓝线来看,加上真人人脸识别的信息后,对于卡通检测的识别同样有帮助。
至于上下文信息,团队也做了实验,下图是算法在卡通人脸基础上扩充不同比例下的性能识别。实验证明,上下文信息越丰富,人脸识别的效果也会更好。
事实上,动物角色训练出来的特征样本,相比于人脸来说,还是有点诡异。
下图中分别是原图和对应的特征样本,相比于动漫男生和女生,虹猫的特征显得有点……不可捉摸。
2024-05-06 09:26:43
2024-05-06 09:30:29
2024-05-06 09:56:46
2024-05-06 09:51:05
2024-04-30 09:36:49
2024-04-30 09:18:38
2024-04-29 09:30:13
2024-04-29 09:21:04
2024-04-28 09:36:18
2024-04-28 09:30:59