去掉脸上的眼镜形象!EyeGlassesGAN，通过消除人脸的屏蔽，防止人脸识别性能的降低。

三个要点
✔️ 关于从面部图像中自动去除眼镜的框架的建议
✔️提出的学习框架、有色镜片/眩光等数据综合方法。
✔️将该框架应用于人脸识别的预处理，可显著提高戴眼镜时人脸识别的准确率。

ByeGlassesGAN: Identity Preserving Eyeglasses Removal for Face Images
written by Yu-Hui Lee, Shang-Hong Lai
(Submitted on 25 Aug 2020)
Comments: Accepted at ECCV2020
Subjects: Multimedia (cs.MM)
 

概况

面部识别服务被广泛应用于机场和在线身份识别（eKYC）和智能手机解锁（Face ID）等领域。基于深度学习的最先进的人脸识别技术使这些服务得以投入使用。然而，即使在今天，当眼镜遮住部分面部时，面部识别的准确率也会降低。

为了消除眼镜对人脸识别的影响，我们一直在研究摘掉眼镜的技术，并。进行了"改善戴眼镜时训练数据不足的问题，提高眼镜的识别精度"的研究。关于眼镜摘除技术的研究主要采用PCA法和子空间法，但其性能不足，在人脸识别任务中的验证也不够。此外，在改善训练数据缺乏的研究中，研究了一种利用GANs生成戴眼镜的人脸图像的方法，并报道了较高的准确性。

在本文中，我们提出了一个新的框架，在使用GANs的同时，去除眼镜，据报道，GANs是高度准确的。通过使用这个框架对人脸识别进行预处理，我们发现戴上眼镜后，识别准确率明显提高。此外，所提出的框架与传统的GAN方法不同，它可以在不戴眼镜的情况下生成面部图像，因此它可以用于各种应用，例如用于试用的虚拟化妆。

Takumu