論文の概要: A Multi-Task Comparator Framework for Kinship Verification

• arxiv url: http://arxiv.org/abs/2006.01615v1
• Date: Tue, 2 Jun 2020 14:00:09 GMT
• ステータス: 処理完了
• システム内更新日: 2022-11-26 00:37:51.373937
• Title: A Multi-Task Comparator Framework for Kinship Verification
• Title（参考訳）: kinship 検証のためのマルチタスクコンパレータフレームワーク
• Authors: Stefan H\"ormann, Martin Knoche, Gerhard Rigoll
• Abstract要約: 親族鑑定は、しばしば顔の識別特徴間のコサイン距離に依存する。 これらの特徴に固有のジェンダーバイアスは、2つの反対ジェンダーペアが関連しているかどうかを確実に予測することを困難にしている。 RFIW Challenge 2020の2つのトラックで、我々のフレームワークは、この性別バイアスに対して堅牢であり、同等の結果が得られることを示す。
• 参考スコア（独自算出の注目度）: 5.908471365011942
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Approaches for kinship verification often rely on cosine distances between face identification features. However, due to gender bias inherent in these features, it is hard to reliably predict whether two opposite-gender pairs are related. Instead of fine tuning the feature extractor network on kinship verification, we propose a comparator network to cope with this bias. After concatenating both features, cascaded local expert networks extract the information most relevant for their corresponding kinship relation. We demonstrate that our framework is robust against this gender bias and achieves comparable results on two tracks of the RFIW Challenge 2020. Moreover, we show how our framework can be further extended to handle partially known or unknown kinship relations.
• Abstract（参考訳）: 親族認証のアプローチは、しばしば顔の識別特徴間の余弦距離に依存する。 しかし、これらの特徴に固有の性別バイアスのため、2つの反対のジェンダーペアが関連しているかどうかを確実に予測することは困難である。 特徴抽出器ネットワークを親和性検証に微調整する代わりに,このバイアスに対処するコンパレータネットワークを提案する。 両方の特徴を結合した後、カスケードされたローカル専門家ネットワークは、対応する親族関係に最も関係のある情報を抽出する。 RFIW Challenge 2020の2つのトラックで、我々のフレームワークは、この性別バイアスに対して堅牢であり、同等の結果が得られることを実証する。 さらに、我々のフレームワークをさらに拡張して、部分的に知られているか未知の血縁関係を扱えるかを示す。

関連論文リスト

• GSSF: Generalized Structural Sparse Function for Deep Cross-modal Metric Learning [51.677086019209554]
  ペアワイド類似性学習のためのモダリティ間の強力な関係を捕捉する汎用構造スパースを提案する。 距離メートル法は、対角線とブロック対角線の2つの形式を微妙にカプセル化する。 クロスモーダルと2つの余分なユニモーダル検索タスクの実験は、その優位性と柔軟性を検証した。
  論文  参考訳（メタデータ） (2024-10-20T03:45:50Z)
• Multi-attention Associate Prediction Network for Visual Tracking [3.9628431811908533]
  分類回帰予測ネットワークは、いくつかの現代のディープトラッカーにおいて驚くべき成功を収めている。 分類と回帰タスクには固有の違いがあるため、特徴マッチングの要求にも反対の要求がある。 上記の問題に対処するために,マルチアテンションアソシエイト予測ネットワーク(MAPNet)を提案する。
  論文  参考訳（メタデータ） (2024-03-25T03:18:58Z)
• Unifying Feature and Cost Aggregation with Transformers for Semantic and Visual Correspondence [51.54175067684008]
  本稿では,高密度マッチングタスク用に設計されたTransformerベースの積分機能とコスト集約ネットワークを提案する。 まず, 特徴集約とコスト集約が異なる特徴を示し, 双方の集約プロセスの司法的利用から生じる実質的な利益の可能性を明らかにした。 本フレームワークは意味マッチングのための標準ベンチマークで評価され,また幾何マッチングにも適用された。
  論文  参考訳（メタデータ） (2024-03-17T07:02:55Z)
• Local Consensus Enhanced Siamese Network with Reciprocal Loss for Two-view Correspondence Learning [35.5851523517487]
  2視点対応学習は通常、一致の信頼性と相対的なポーズを共同で予測するエンドツーエンドネットワークを確立する。 本稿では,既存のモデルの特徴を増強するローカル・フィーチャー・コンセンサス (LFC) プラグイン・ブロックを提案する。 我々は既存のモデルを相互予測の監督を生かした相互損失を伴うシームズネットワークに拡張する。
  論文  参考訳（メタデータ） (2023-08-06T22:20:09Z)
• Birds of a Feather Trust Together: Knowing When to Trust a Classifier via Adaptive Neighborhood Aggregation [30.34223543030105]
  我々は、NeighborAggがアダプティブ近隣アグリゲーションを介して2つの重要な情報を利用する方法を示す。 また, 誤り検出の密接な関連課題へのアプローチを拡張し, 偽陰性境界に対する理論的カバレッジを保証する。
  論文  参考訳（メタデータ） (2022-11-29T18:43:15Z)
• Fairness and robustness in anti-causal prediction [73.693135253335]
  分散シフトと公平性に対するロバストさは、機械学習モデルに必要な2つの重要なデシラタとして独立に現れている。 これら2つのデシダラタは関連しているように見えるが、実際にはその関連性はしばしば不明である。 この観点から見れば、共通フェアネス基準(分離)とロバストネスの共通概念との明確な関係を描いています。
  論文  参考訳（メタデータ） (2022-09-20T02:41:17Z)
• Are Two Heads the Same as One? Identifying Disparate Treatment in Fair Neural Networks [38.14455334700671]
  人口密度を満足するディープニューラルネットワークは、人種や性意識の形で実現可能であることを示す。 フェアネスを強制する簡単な2段階の解法を提案する。
  論文  参考訳（メタデータ） (2022-04-09T10:07:02Z)
• Learning to Decouple Relations: Few-Shot Relation Classification with Entity-Guided Attention and Confusion-Aware Training [49.9995628166064]
  本稿では,2つのメカニズムを備えたモデルであるCTEGを提案する。 一方、注意を誘導するEGA機構を導入し、混乱を引き起こす情報をフィルタリングする。 一方,コンフュージョン・アウェア・トレーニング(CAT)法は,関係の識別を明示的に学習するために提案されている。
  論文  参考訳（メタデータ） (2020-10-21T11:07:53Z)
• Robust Person Re-Identification through Contextual Mutual Boosting [77.1976737965566]
  本研究では,歩行者の局地化を目的としたコンテキスト相互ブースティングネットワーク(CMBN)を提案する。 歩行者をローカライズし、文脈情報と統計的推測を効果的に活用することで特徴を再検討する。 ベンチマークの実験は、最先端のアーキテクチャと比較してアーキテクチャの優位性を示している。
  論文  参考訳（メタデータ） (2020-09-16T06:33:35Z)
• Deep Fusion Siamese Network for Automatic Kinship Verification [20.360475286657877]
  本研究では,2個体間の相対的類似性を定量化するディープサイムズネットワークを提案する。 2つのディープ・サイムズ・ネットワークは3つのオブジェクト(すなわち父、母、子)の親子関係検証のためのディープ・トリプルト・ネットワークに統合される。
  論文  参考訳（メタデータ） (2020-05-30T01:43:59Z)
• Cascaded Human-Object Interaction Recognition [175.60439054047043]
  マルチステージで粗大なHOI理解のためのカスケードアーキテクチャを提案する。 各段階で、インスタンスローカライゼーションネットワークは、HOI提案を段階的に洗練し、インタラクション認識ネットワークにフィードする。 慎重に設計された人間中心の関係機能により、これらの2つのモジュールは効果的な相互作用理解に向けて協調的に機能する。
  論文  参考訳（メタデータ） (2020-03-09T17:05:04Z)

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。