2D face analysis techniques, such as face landmarking, face recognition and face verification, are reasonably dependent on illumination conditions which are usually uncontrolled and unpredictable in the real world. The current massive data-driven approach, e.g., deep learning-based face recognition, requires a huge amount of labeled training face data that hardly cover the infinite lighting variations that can be encountered in real-life applications. An illumination robust preprocessing method thus remains a very interesting but also a significant challenge in reliable face analysis. In this paper we propose a novel model driven approach to improve lighting normalization of face images. Specifically, we propose to build the underlying reflectance model which characterizes interactions between skin surface, lighting source and camera sensor, and elaborate the formation of face color appearance. The proposed illumination processing pipeline enables generation of the Chromaticity Intrinsic Image (CII) in a log chromaticity space which is robust to illumination variations. Moreover, as an advantage over most prevailing methods, a photo-realistic color face image is subsequently reconstructed, which eliminates a wide variety of shadows whilst retaining the color information and identity details. Experimental results under different scenarios and using various face databases show the effectiveness of the proposed approach in dealing with lighting variations, including both soft and hard shadows, in face recognition.

中文翻译：

---

改善阴影抑制以实现照明鲁棒的人脸识别

2D人脸分析技术（例如人脸标志，人脸识别和人脸验证）在一定程度上取决于照明条件，而这些条件在现实世界中通常是无法控制和不可预测的。当前的大量数据驱动方法，例如基于深度学习的面部识别，需要大量标记的训练面部数据，这些数据几乎无法覆盖现实应用中可能遇到的无限光照变化。因此，照明鲁棒性预处理方法在可靠的人脸分析中仍然是非常有趣但又是一项重大挑战。在本文中，我们提出了一种新颖的模型驱动方法来改善面部图像的照明标准化。具体来说，我们建议建立基础反射率模型，该模型描述皮肤表面，光源和相机传感器之间的相互作用，并阐述脸色外观的形成。所提出的照明处理流水线能够在对数色度空间中生成色度本征图像（CII），该色度对照明变化具有鲁棒性。此外，作为相对于大多数流行方法的优点，随后重建了照片般逼真的彩色面部图像，该图像消除了各种各样的阴影，同时保留了颜色信息和标识详细信息。在不同场景下并使用各种人脸数据库的实验结果表明，该方法在处理人脸识别中的光照变化（包括软阴影和硬阴影）方面是有效的。所提出的照明处理流水线能够在对数色度空间中生成色度本征图像（CII），该色度对照明变化具有鲁棒性。此外，作为相对于大多数流行方法的优点，随后重建了照片般逼真的彩色面部图像，该图像消除了各种各样的阴影，同时保留了颜色信息和标识详细信息。在不同场景下并使用各种人脸数据库的实验结果表明，该方法在处理人脸识别中的光照变化（包括软阴影和硬阴影）方面有效。所提出的照明处理流水线能够在对数色度空间中生成色度本征图像（CII），该色度对照明变化具有鲁棒性。此外，作为相对于大多数流行方法的优点，随后重建了照片般逼真的彩色面部图像，该图像消除了各种各样的阴影，同时保留了颜色信息和标识详细信息。在不同场景下并使用各种人脸数据库的实验结果表明，该方法在处理人脸识别中的光照变化（包括软阴影和硬阴影）方面是有效的。它消除了各种阴影，同时保留了颜色信息和标识详细信息。在不同场景下并使用各种人脸数据库的实验结果表明，该方法在处理人脸识别中的光照变化（包括软阴影和硬阴影）方面是有效的。它消除了各种阴影，同时保留了颜色信息和标识详细信息。在不同场景下并使用各种人脸数据库的实验结果表明，该方法在处理人脸识别中的光照变化（包括软阴影和硬阴影）方面是有效的。