Fugu-MT 論文翻訳(概要): Extended Labeled Faces in-the-Wild (ELFW): Augmenting Classes for Face Segmentation

論文の概要: Extended Labeled Faces in-the-Wild (ELFW): Augmenting Classes for Face Segmentation

arxiv url: http://arxiv.org/abs/2006.13980v1
Date: Wed, 24 Jun 2020 18:26:17 GMT
ステータス: 処理完了
システム内更新日: 2022-11-17 13:09:21.247366
Title: Extended Labeled Faces in-the-Wild (ELFW): Augmenting Classes for Face Segmentation
Title（参考訳）: ELFW (Extended Labeled Faces in-the-Wild) : 顔セグメンテーションのための拡張クラス
Authors: Rafael Redondo and Jaume Gibert
Abstract要約: 追加の顔関連カテゴリを補完するデータセットであるELFW(Extended Labeled Faces in-the-Wild)を導入する。 2つのオブジェクトベースのデータ拡張技術は、表現されていないカテゴリを合成的に豊かにする。
参考スコア（独自算出の注目度）: 3.04585143845864
License: http://creativecommons.org/licenses/by-nc-sa/4.0/
Abstract: Existing face datasets often lack sufficient representation of occluding objects, which can hinder recognition, but also supply meaningful information to understand the visual context. In this work, we introduce Extended Labeled Faces in-the-Wild (ELFW), a dataset supplementing with additional face-related categories -- and also additional faces -- the originally released semantic labels in the vastly used Labeled Faces in-the-Wild (LFW) dataset. Additionally, two object-based data augmentation techniques are deployed to synthetically enrich under-represented categories which, in benchmarking experiments, reveal that not only segmenting the augmented categories improves, but also the remaining ones benefit.
Abstract（参考訳）: 既存の顔データセットは、認識を妨げるだけでなく、視覚的コンテキストを理解するために意味のある情報を提供するために、隠蔽オブジェクトの十分な表現を欠いていることが多い。本研究では,拡張ラベル付きfaces in-the-wild (elfw) を導入する。このデータセットには,新たに顔関連カテゴリ -- と追加顔 -- が補完される。さらに、2つのオブジェクトベースのデータ拡張技術は、ベンチマーク実験において、拡張されたカテゴリのセグメンテーションが改善するだけでなく、残りのカテゴリも利益をもたらすことを明らかにする、非表現のカテゴリを合成的に強化するために展開される。

関連論文リスト

AffectNet+: A Database for Enhancing Facial Expression Recognition with Soft-Labels [2.644902054473556]
画像に複数の感情をラベル付けするラベル付け手法により、FERデータセットを作成するための新しい手法を提案する。提案手法の利点は, よりスムーズな決定境界の発見, マルチラベル化の実現, バイアスと不均衡データの緩和などにある。 AffectNetをベースとして,次世代の表情データセットであるAffectNet+を紹介する。
論文参考訳（メタデータ） (2024-10-29T19:57:10Z)
DIG-FACE: De-biased Learning for Generalized Facial Expression Category Discovery [33.190030608505154]
我々は、G-FACE(Generalized Facial Expression Category Discovery)という新しいタスクを導入する。 G-FACEは、既知のカテゴリを効果的に認識しながら、新しい、目に見えない表情を発見する。学習に影響を与える2つのバイアス、すなわち暗黙のバイアスと明示的なバイアスを特定します。本稿では、暗黙バイアスと明示バイアスの両方のデバイアス化を容易にするデバイアスドG-FACE法、すなわちDIG-FACEを提案する。
論文参考訳（メタデータ） (2024-09-30T08:50:22Z)
Benchmarking and Analyzing Generative Data for Visual Recognition [66.55174903469722]
この研究は生成的画像の影響を深く掘り下げ、主に外部データを利用するパラダイムを比較する。我々は、2548のカテゴリを持つ22のデータセットからなるベンチマークである textbfGenBench を考案し、様々な視覚的認識タスクにまたがる生成データを評価した。我々の徹底的なベンチマークと分析は、将来の調査における重要な課題を特定しながら、視覚認識における生成データの約束をスポットライトで示している。
論文参考訳（メタデータ） (2023-07-25T17:59:59Z)
Modeling Entities as Semantic Points for Visual Information Extraction in the Wild [55.91783742370978]
文書画像から鍵情報を正確かつ堅牢に抽出する手法を提案する。我々は、エンティティを意味的ポイントとして明示的にモデル化する。つまり、エンティティの中心点は、異なるエンティティの属性と関係を記述する意味情報によって豊かになる。提案手法は,従来の最先端モデルと比較して,エンティティラベルとリンクの性能を著しく向上させることができる。
論文参考訳（メタデータ） (2023-03-23T08:21:16Z)
Open-world Semantic Segmentation via Contrasting and Clustering Vision-Language Embedding [95.78002228538841]
本研究では,様々なオープンワールドカテゴリのセマンティックオブジェクトを高密度アノテーションを使わずにセマンティックオブジェクトのセマンティックオブジェクトのセマンティック化を学習するための,新しいオープンワールドセマンティックセマンティックセマンティックセマンティクスパイプラインを提案する。提案手法は任意のカテゴリのオブジェクトを直接分割し、3つのベンチマークデータセット上でデータラベリングを必要とするゼロショットセグメンテーション法より優れている。
論文参考訳（メタデータ） (2022-07-18T09:20:04Z)
Towards a General Deep Feature Extractor for Facial Expression Recognition [5.012963825796511]
本稿では,他の顔の感情認識タスクやデータセットに適用可能な,視覚的特徴抽出器を学習する,新たなディープラーニングベースのアプローチを提案する。 DeepFEVERは、AffectNetとGoogle Facial Expression Comparisonデータセットで最先端の結果を上回っている。
論文参考訳（メタデータ） (2022-01-19T18:42:23Z)
Novel Visual Category Discovery with Dual Ranking Statistics and Mutual Knowledge Distillation [16.357091285395285]
我々は、新しいクラスから異なるセマンティックパーティションに非ラベリングなイメージをグループ化する問題に取り組む。これは従来の半教師付き学習よりも現実的で難しい設定です。本稿では,局所的な部分レベル情報に焦点をあてた2分岐学習フレームワークと,全体特性に焦点をあてた2分岐学習フレームワークを提案する。
論文参考訳（メタデータ） (2021-07-07T17:14:40Z)
Enhancing Facial Data Diversity with Style-based Face Aging [59.984134070735934]
特に、顔データセットは、通常、性別、年齢、人種などの属性の観点からバイアスされる。本稿では, 細粒度の老化パターンをキャプチャするデータ拡張のための, 生成スタイルに基づく新しいアーキテクチャを提案する。提案手法は, 年齢移動のための最先端アルゴリズムよりも優れていることを示す。
論文参考訳（メタデータ） (2020-06-06T21:53:44Z)
Hierarchical Image Classification using Entailment Cone Embeddings [68.82490011036263]
まずラベル階層の知識を任意のCNNベースの分類器に注入する。画像からの視覚的セマンティクスと組み合わせた外部セマンティクス情報の利用が全体的な性能を高めることを実証的に示す。
論文参考訳（メタデータ） (2020-04-02T10:22:02Z)
Boosting Unconstrained Face Recognition with Auxiliary Unlabeled Data [59.85605718477639]
本稿では,ラベルのない顔を用いて一般化可能な顔表現を学習する手法を提案する。制約のないデータセットに対する実験結果から、十分な多様性を持つ少量のラベル付きデータが認識性能を向上させる可能性が示唆された。
論文参考訳（メタデータ） (2020-03-17T20:58:56Z)

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。