論文の概要: Learning Preference-Based Similarities from Face Images using Siamese
Multi-Task CNNs
- arxiv url: http://arxiv.org/abs/2001.09371v1
- Date: Sat, 25 Jan 2020 23:08:12 GMT
- ステータス: 処理完了
- システム内更新日: 2023-01-07 00:16:58.322082
- Title: Learning Preference-Based Similarities from Face Images using Siamese
Multi-Task CNNs
- Title（参考訳）: シームズマルチタスクCNNを用いた顔画像からの嗜好に基づく類似性学習
- Authors: Nils Gessert and Alexander Schlaefer
- Abstract要約: オンラインデートプラットフォームの大きな課題は、ユーザに適したマッチングを決定することだ。
ディープラーニングアプローチは、人間の顔からある程度まで様々な特性を予測できることを示した。
画像ベースマッチングの実現可能性について検討し,個人の関心や嗜好,態度とマッチングする方法について検討した。
- 参考スコア（独自算出の注目度）: 78.24964622317633
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Online dating has become a common occurrence over the last few decades. A key
challenge for online dating platforms is to determine suitable matches for
their users. A lot of dating services rely on self-reported user traits and
preferences for matching. At the same time, some services largely rely on user
images and thus initial visual preference. Especially for the latter approach,
previous research has attempted to capture users' visual preferences for
automatic match recommendation. These approaches are mostly based on the
assumption that physical attraction is the key factor for relationship
formation and personal preferences, interests, and attitude are largely
neglected. Deep learning approaches have shown that a variety of properties can
be predicted from human faces to some degree, including age, health and even
personality traits. Therefore, we investigate the feasibility of bridging
image-based matching and matching with personal interests, preferences, and
attitude. We approach the problem in a supervised manner by predicting
similarity scores between two users based on images of their faces only. The
ground-truth for the similarity matching scores is determined by a test that
aims to capture users' preferences, interests, and attitude that are relevant
for forming romantic relationships. The images are processed by a Siamese
Multi-Task deep learning architecture. We find a statistically significant
correlation between predicted and target similarity scores. Thus, our results
indicate that learning similarities in terms of interests, preferences, and
attitude from face images appears to be feasible to some degree.
- Abstract（参考訳）: オンラインデートはここ数十年で一般的になっている。
オンラインデートプラットフォームにとって重要な課題は、ユーザに適したマッチングを決定することだ。
多くのデートサービスは、自己報告されたユーザー特性とマッチングの好みに依存している。
同時に、一部のサービスはユーザイメージと、それゆえ最初の視覚的な好みに大きく依存している。
特に後者のアプローチでは、以前の研究では自動マッチ推奨のためにユーザの視覚的な好みを捉えようと試みている。
これらのアプローチは主に、物理的な魅力が関係形成の重要な要因であり、個人の好み、関心、態度がほとんど無視されているという仮定に基づいている。
ディープラーニングのアプローチは、年齢、健康、さらには性格特性など、さまざまな特性を人間の顔からある程度予測できることを示している。
そこで本稿では,画像ベースマッチングの実現可能性について検討し,個人の関心や好み,態度とマッチングする。
提案手法は,顔画像のみに基づいて2人のユーザ間の類似度スコアを予測し,教師付きでこの問題にアプローチする。
類似度マッチングスコアの根拠は、ロマンチックな関係を形成するためのユーザの好み、興味、態度を捉えることを目的としたテストによって決定される。
イメージは、siameseのマルチタスクディープラーニングアーキテクチャによって処理される。
予測値と目標類似度スコアとの間に統計的に有意な相関関係が認められた。
以上の結果から,顔画像からの興味,好み,態度といった面での類似性の学習がある程度実現可能であることが示唆された。
関連論文リスト
- Modeling User Preferences via Brain-Computer Interfacing [54.3727087164445]
我々はBrain-Computer Interface技術を用いてユーザの好みを推測し、その注意力は視覚的コンテンツと感情的体験との関連性に相関する。
我々はこれらを,情報検索,生成モデルのパーソナライズされたステアリング,感情経験のクラウドソーシング人口推定など,関連するアプリケーションにリンクする。
論文 参考訳（メタデータ） (2024-05-15T20:41:46Z) - End-to-End Context-Aided Unicity Matching for Person Re-identification [100.02321122258638]
本稿では,人間同士の一致関係を学習・精査するための,エンドツーエンドの対人一意整合アーキテクチャを提案する。
サンプルのグローバルコンテキスト関係を用いて,ソフトマッチング結果を洗練し,両部グラフマッチングにより一致ユニシティに到達する。
実世界における人物再識別の応用を十分に考慮し, ワンショットとマルチショットの双方で一様マッチングを実現する。
論文 参考訳（メタデータ） (2022-10-20T07:33:57Z) - Learning an Adaptation Function to Assess Image Visual Similarities [0.0]
ここでは、類推が重要となるとき、視覚的イメージ類似性を学ぶための特定のタスクに焦点を当てる。
本稿では,異なるスケールとコンテンツデータセットで事前学習した,教師付き,半教師付き,自己教師型ネットワークの比較を提案する。
The Totally Looks Like Image dataset conducted on the Totally Looks Like image highlight the interest of our method, by increase the search scores of the best model @1 by 2.25x。
論文 参考訳（メタデータ） (2022-06-03T07:15:00Z) - PoWareMatch: a Quality-aware Deep Learning Approach to Improve Human
Schema Matching [20.110234122423172]
そこで本研究では,ヒトのマッカーとしての行動に対する新たなアングルについて検討し,マッチ生成をプロセスとして研究する。
我々は、人間のマッチング決定を校正し、フィルタリングするディープラーニングメカニズムを利用するPoWareMatchを設計する。
PoWareMatchは、マッチを追加の対応で拡張するメリットを十分に予測し、高品質なマッチを生成する。
論文 参考訳（メタデータ） (2021-09-15T14:24:56Z) - Enhancing Social Relation Inference with Concise Interaction Graph and
Discriminative Scene Representation [56.25878966006678]
我々はtextbfSocial rtextbfElation (PRISE) における textbfPractical textbfInference のアプローチを提案する。
人の対話的特徴と全体主義的な場面の識別的特徴を簡潔に学習する。
PRISEはPIPAデータセットにおけるドメイン分類の改善を6.8$%で達成している。
論文 参考訳（メタデータ） (2021-07-30T04:20:13Z) - Automatic Main Character Recognition for Photographic Studies [78.88882860340797]
画像の主人公は、最初に見る人の注意を引く最も重要な人間である。
画像中の主文字の同定は,従来の写真研究やメディア分析において重要な役割を担っている。
機械学習に基づく人間のポーズ推定を用いて主文字を識別する手法を提案する。
論文 参考訳（メタデータ） (2021-06-16T18:14:45Z) - Rank-smoothed Pairwise Learning In Perceptual Quality Assessment [26.599014990168836]
階層的確率でペアワイドな経験的確率を正規化することで、より信頼性の高いトレーニング損失がもたらされることを示す。
画像品質評価モデルのトレーニングにおいて,ランクスムースな損失が人間の嗜好を予測する精度を常に向上させることを示す。
論文 参考訳（メタデータ） (2020-11-21T23:33:14Z) - Learning Attentive Pairwise Interaction for Fine-Grained Classification [53.66543841939087]
本稿では,細粒度分類のための簡易かつ効果的な監視ペアワイド・インタラクション・ネットワーク(API-Net)を提案する。
API-Netはまず相互機能ベクトルを学習し、入力ペアのセマンティックな違いをキャプチャする。
そして、この相互ベクトルと個々のベクトルを比較して、各入力画像のゲートを生成する。
詳細な分類において,5つの人気のあるベンチマークについて広範な実験を行った。
論文 参考訳（メタデータ） (2020-02-24T12:17:56Z) - PrivacyNet: Semi-Adversarial Networks for Multi-attribute Face Privacy [15.301150389512744]
画像手法を用いて, 顔画像に対するソフトバイオメトリック・プライバシを実現する手法を開発した。
画像摂動は、GANをベースとしたSAN(Semi-Adversarial Network)を用いて行われる。
PrivacyNetでは、入力された顔画像に難読化される属性を選択することができる。
論文 参考訳（メタデータ） (2020-01-02T18:53:31Z)
関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。
指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。