論文の概要: A high fidelity synthetic face framework for computer vision
- arxiv url: http://arxiv.org/abs/2007.08364v1
- Date: Thu, 16 Jul 2020 14:40:28 GMT
- ステータス: 処理完了
- システム内更新日: 2022-11-09 22:32:45.591926
- Title: A high fidelity synthetic face framework for computer vision
- Title(参考訳): コンピュータビジョンのための高忠実度合成顔フレームワーク
- Authors: Tadas Baltrusaitis, Erroll Wood, Virginia Estellers, Charlie Hewitt,
Sebastian Dziadzio, Marek Kowalski, Matthew Johnson, Thomas J. Cashman, and
Jamie Shotton
- Abstract要約: 本稿では, 合成データを用いて, 一貫性とスケールの両立を図りながら, 地中真理アノテーションを含む顔データを合成することを提案する。
パラメトリックな顔モデルと手作りの資産を使って、前例のない品質と多様性でトレーニングデータを生成することができる。
- 参考スコア(独自算出の注目度): 10.679578971210912
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Analysis of faces is one of the core applications of computer vision, with
tasks ranging from landmark alignment, head pose estimation, expression
recognition, and face recognition among others. However, building reliable
methods requires time-consuming data collection and often even more
time-consuming manual annotation, which can be unreliable. In our work we
propose synthesizing such facial data, including ground truth annotations that
would be almost impossible to acquire through manual annotation at the
consistency and scale possible through use of synthetic data. We use a
parametric face model together with hand crafted assets which enable us to
generate training data with unprecedented quality and diversity (varying shape,
texture, expression, pose, lighting, and hair).
- Abstract(参考訳): 顔の分析はコンピュータビジョンの核となる応用の一つであり、ランドマークアライメント、頭の位置推定、表情認識、顔認識など様々なタスクがある。
しかし、信頼できるメソッドを構築するには、時間を要するデータ収集と、さらに時間を要する手作業によるアノテーションが必要だ。
本研究では,合成データを用いて,手作業によるアノテーションによる取得がほぼ不可能となるような,真理アノテーションを含む顔データの合成を提案する。
パラメトリックな顔モデルと手作りの資産を用いて、前例のない品質と多様性(形状、テクスチャ、表現、ポーズ、照明、髪)でトレーニングデータを生成することができる。
関連論文リスト
- Faceptor: A Generalist Model for Face Perception [52.8066001012464]
Faceptorは、よく設計されたシングルエンコーダのデュアルデコーダアーキテクチャを採用するために提案されている。
Faceptorへのレイヤアテンションにより、モデルが最適なレイヤから機能を適応的に選択して、望ましいタスクを実行することができる。
我々のトレーニングフレームワークは補助的な教師付き学習にも適用でき、年齢推定や表現認識といったデータスパースタスクの性能を大幅に向上させることができる。
論文 参考訳(メタデータ) (2024-03-14T15:42:31Z) - Face Recognition Using Synthetic Face Data [0.0]
我々は、コンピュータグラフィックスパイプラインを介してデジタル顔のレンダリングによって生成された合成データの有望な応用を強調し、競争力のある結果を得る。
モデルを微調整することで、何十万もの実画像のトレーニングで得られた結果に匹敵する結果が得られる。
また,モデル性能に及ぼすクラス内因子(化粧品,アクセサリー,ヘアカットなど)の追加効果についても検討した。
論文 参考訳(メタデータ) (2023-05-17T09:26:10Z) - Procedural Humans for Computer Vision [1.9550079119934403]
顔と身体のパラメトリックなモデルを構築し,このモデルに基づいて人間の現実的な画像を生成する。
本研究は,Wood et al. のパイプライン上に構築し,人体全体の合成画像を生成することにより,全体を含むように拡張可能であることを示す。
論文 参考訳(メタデータ) (2023-01-03T15:44:48Z) - Is synthetic data from generative models ready for image recognition? [69.42645602062024]
本研究では,最新のテキスト・画像生成モデルから生成した合成画像が,画像認識タスクにどのように利用できるかを検討した。
本稿では,既存の生成モデルからの合成データの強大さと欠点を示し,認識タスクに合成データを適用するための戦略を提案する。
論文 参考訳(メタデータ) (2022-10-14T06:54:24Z) - Can Shadows Reveal Biometric Information? [48.3561395627331]
生体情報漏洩は,代表シナリオ下での信頼性の高い同一性推論に十分であることを示す。
そこで我々は,この現象を実環境で示す学習ベース手法を開発した。
論文 参考訳(メタデータ) (2022-09-21T02:36:32Z) - Facial Geometric Detail Recovery via Implicit Representation [147.07961322377685]
そこで本研究では,一眼の顔画像のみを用いて,テクスチャガイドを用いた幾何的細部復元手法を提案する。
提案手法は,高品質なテクスチャ補完と暗黙の面の強力な表現性を組み合わせたものである。
本手法は, 顔の正確な細部を復元するだけでなく, 正常部, アルベド部, シェーディング部を自己監督的に分解する。
論文 参考訳(メタデータ) (2022-03-18T01:42:59Z) - Fake It Till You Make It: Face analysis in the wild using synthetic data
alone [9.081019005437309]
合成データだけで顔関連コンピュータビジョンを野生で実行可能であることを示す。
本稿では、手続き的に生成された3次元顔モデルと手作り資産の包括的ライブラリを組み合わせることで、前例のないリアリズムによるトレーニング画像のレンダリングを行う方法について述べる。
論文 参考訳(メタデータ) (2021-09-30T13:07:04Z) - SynFace: Face Recognition with Synthetic Data [83.15838126703719]
我々は、ID混在(IM)とドメイン混在(DM)を併用したSynFaceを考案し、パフォーマンスギャップを緩和する。
また、合成顔画像の系統的実験分析を行い、合成データを顔認識に効果的に活用する方法についての知見を提供する。
論文 参考訳(メタデータ) (2021-08-18T03:41:54Z) - Efficient Realistic Data Generation Framework leveraging Deep
Learning-based Human Digitization [0.0]
提案手法は、実際の背景画像として入力され、さまざまなポーズで人物を投入する。
対応するタスクのベンチマークと評価は、実データに対する補足として、合成データが効果的に使用できることを示している。
論文 参考訳(メタデータ) (2021-06-28T08:07:31Z) - Monocular Real-time Full Body Capture with Inter-part Correlations [66.22835689189237]
本稿では,体と手の形状と運動を1色画像から動的3次元顔モデルと共に推定する,実時間フルボディキャプチャの最初の手法を提案する。
提案手法では,体と手の相関を高い計算効率で活用する新しいニューラルネットワークアーキテクチャを用いる。
論文 参考訳(メタデータ) (2020-12-11T02:37:56Z)
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。
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。