論文の概要: Face Phylogeny Tree Using Basis Functions
- arxiv url: http://arxiv.org/abs/2002.09068v2
- Date: Fri, 13 Mar 2020 20:35:06 GMT
- ステータス: 処理完了
- システム内更新日: 2022-12-30 01:28:49.002234
- Title: Face Phylogeny Tree Using Basis Functions
- Title(参考訳): 基底関数を用いた顔系統樹
- Authors: Sudipta Banerjee and Arun Ross
- Abstract要約: 光度変換は、ほぼ重複した画像の集合を繰り返し生成する顔画像に適用することができる。
デジタル画像法学の文脈では,そのような近接二重化の集合から原像を同定し,それらの関係を導出することが重要である。
本研究では,3種類の基底関数を用いて,近距離画像間の相互関係をモデル化する。
- 参考スコア(独自算出の注目度): 13.164846772893455
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Photometric transformations, such as brightness and contrast adjustment, can
be applied to a face image repeatedly creating a set of near-duplicate images.
Identifying the original image from a set of such near-duplicates and deducing
the relationship between them are important in the context of digital image
forensics. This is commonly done by generating an image phylogeny tree
\textemdash \hspace{0.08cm} a hierarchical structure depicting the relationship
between a set of near-duplicate images. In this work, we utilize three
different families of basis functions to model pairwise relationships between
near-duplicate images. The basis functions used in this work are orthogonal
polynomials, wavelet basis functions and radial basis functions. We perform
extensive experiments to assess the performance of the proposed method across
three different modalities, namely, face, fingerprint and iris images; across
different image phylogeny tree configurations; and across different types of
photometric transformations. We also utilize the same basis functions to model
geometric transformations and deep-learning based transformations. We also
perform extensive analysis of each basis function with respect to its ability
to model arbitrary transformations and to distinguish between the original and
the transformed images. Finally, we utilize the concept of approximate von
Neumann graph entropy to explain the success and failure cases of the proposed
IPT generation algorithm. Experiments indicate that the proposed algorithm
generalizes well across different scenarios thereby suggesting the merits of
using basis functions to model the relationship between photometrically and
geometrically modified images.
- Abstract(参考訳): 輝度やコントラスト調整などの光度変換は、重複に近い画像のセットを繰り返し生成する顔画像に適用することができる。
デジタル画像法医学の文脈において,そのような近接複写集合から原画像を特定し,それらの関係を推定することが重要である。
これは、画像フィロジェニーツリー \textemdash \hspace{0.08cm} を生成することで、ほぼ重複した画像の集合間の関係を記述する階層構造を生成する。
本研究では,3種類の基底関数を用いて,近距離画像間の相互関係をモデル化する。
この研究で使われる基底関数は直交多項式、ウェーブレット基底関数、放射基底関数である。
提案手法は,顔,指紋,虹彩の3種類の特徴,異なる画像系統樹構成,および様々な種類の測光変換において,提案手法の性能を評価するための広範囲な実験を行った。
また,同じ基底関数を用いて幾何変換やディープラーニングに基づく変換をモデル化する。
また、任意の変換をモデル化し、元の画像と変換された画像を区別する能力に関して、各基底関数の広範な解析を行う。
最後に, 提案した IPT 生成アルゴリズムの成功事例と失敗事例を説明するために, 近似フォン・ノイマングラフエントロピーの概念を利用する。
実験により,提案手法は異なるシナリオをまたいでうまく一般化し,基礎関数を用いて測光と幾何学的修正画像の関係をモデル化する利点を示唆した。
関連論文リスト
- Joint covariance property under geometric image transformations for
spatio-temporal receptive fields according to the generalized Gaussian
derivative model for visual receptive fields [0.5439020425819]
自然画像変換が受容野反応に与える影響は、コンピュータビジョンと生物学的ビジョンにおける視覚操作のモデル化に不可欠である。
本稿では,空間的スケーリング変換,空間的アフィン変換,ガリレオ変換,時間的スケーリング変換といった特性下での結合共分散を定義し,証明する。
論文 参考訳(メタデータ) (2023-11-17T14:10:55Z) - Logarithmic Mathematical Morphology: theory and applications [0.0]
グレーレベル関数の数学的形態学では、構造関数は通常の加法則で画像にまとめられる。
新しい枠組みは、構造関数の振幅が画像振幅に応じて変化する付加法則で定義される。
新しいフレームワークは対数数学的形態学 (LMM) と呼ばれ、そのような光の変動に頑健な作用素の定義を可能にする。
論文 参考訳(メタデータ) (2023-09-05T07:45:35Z) - A Theory of Topological Derivatives for Inverse Rendering of Geometry [87.49881303178061]
我々は、位相微分を用いて離散的な位相変化を可能にする微分可能な曲面進化の理論的枠組みを導入する。
2次元の閉曲線と3次元の曲面を最適化して提案理論を検証し、現在の手法の限界について考察する。
論文 参考訳(メタデータ) (2023-08-19T00:55:55Z) - Explicit Correspondence Matching for Generalizable Neural Radiance
Fields [49.49773108695526]
本稿では,新たな未知のシナリオに一般化し,2つのソースビューで新規なビュー合成を行う新しいNeRF手法を提案する。
明瞭な対応マッチングは、異なるビュー上の3Dポイントの2次元投影でサンプリングされた画像特徴間のコサイン類似度と定量化される。
実験では,実験結果から得られたコサイン特徴の類似性と体積密度との間に強い相関関係が認められた。
論文 参考訳(メタデータ) (2023-04-24T17:46:01Z) - A training-free recursive multiresolution framework for diffeomorphic
deformable image registration [6.929709872589039]
変形可能な画像登録のための新しい微分型学習自由アプローチを提案する。
提案するアーキテクチャは設計上は単純で,各解像度で移動像を順次ワープし,最終的に固定像に整列する。
システム全体はエンドツーエンドで、スクラッチから各2つのイメージに最適化されている。
論文 参考訳(メタデータ) (2022-02-01T15:17:17Z) - SIDER: Single-Image Neural Optimization for Facial Geometric Detail
Recovery [54.64663713249079]
SIDERは、教師なしの方法で単一の画像から詳細な顔形状を復元する新しい光度最適化手法である。
以前の作業とは対照的に、SIDERはデータセットの事前に依存せず、複数のビュー、照明変更、地上の真実の3D形状から追加の監視を必要としない。
論文 参考訳(メタデータ) (2021-08-11T22:34:53Z) - The Geometry of Deep Generative Image Models and its Applications [0.0]
generative adversarial networks (gans) は、実世界のデータセットの統計パターンをモデル化する強力な教師なし手法として登場した。
これらのネットワークは、潜在空間内のランダムな入力を学習データを表す新しいサンプルにマップするように訓練される。
潜在空間の構造は、その高い寸法性と発電機の非線形性のために内挿しが困難である。
論文 参考訳(メタデータ) (2021-01-15T07:57:33Z) - Shared Prior Learning of Energy-Based Models for Image Reconstruction [69.72364451042922]
本研究では,地中真理データを含まないトレーニングに特化して設計された画像再構成のための新しい学習ベースフレームワークを提案する。
基底真理データがない場合には、損失関数をパッチベースのワッサーシュタイン関数に変更する。
共用事前学習では、上記の最適制御問題と正規化器の共用学習パラメータを同時に最適化する。
論文 参考訳(メタデータ) (2020-11-12T17:56:05Z) - Structural-analogy from a Single Image Pair [118.61885732829117]
本稿では,1対の画像A,Bのみを用いて,ニューラルネットワークによる画像構造理解能力について検討する。
我々は、B の外観とスタイルを保持するが、A に対応する構造的配置を持つ画像を生成する。
提案手法は,画像AとBのみを利用した条件生成タスクにおいて,高品質な画像を生成するために利用できる。
論文 参考訳(メタデータ) (2020-04-05T14:51:10Z) - Pathological Retinal Region Segmentation From OCT Images Using Geometric
Relation Based Augmentation [84.7571086566595]
本稿では,幾何学と形状の内在的関係を共同で符号化することで,従来のGANベースの医用画像合成法よりも優れた手法を提案する。
提案手法は,取得手順の異なる画像を有する公開RETOUCHデータセット上で,最先端のセグメンテーション手法より優れている。
論文 参考訳(メタデータ) (2020-03-31T11:50:43Z)
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。