論文の概要: The Blessing and the Curse of the Noise behind Facial Landmark Annotations

• arxiv url: http://arxiv.org/abs/2007.15269v1
• Date: Thu, 30 Jul 2020 07:13:45 GMT
• ステータス: 処理完了
• システム内更新日: 2022-11-05 14:42:09.506690
• Title: The Blessing and the Curse of the Noise behind Facial Landmark Annotations
• Title（参考訳）: 顔のランドマークアノテーションの背景にある騒音の祝福と呪い
• Authors: Xiaoyu Xiang, Yang Cheng, Shaoyuan Xu, Qian Lin, Jan Allebach
• Abstract要約: 検出された顔のランドマークの不安定性は、公開データセット間のラベル付け品質の不整合によって引き起こされることを示す。 その結果,検出された顔のランドマークの精度と安定性が向上した。
• 参考スコア（独自算出の注目度）: 8.519184519125691
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: The evolving algorithms for 2D facial landmark detection empower people to recognize faces, analyze facial expressions, etc. However, existing methods still encounter problems of unstable facial landmarks when applied to videos. Because previous research shows that the instability of facial landmarks is caused by the inconsistency of labeling quality among the public datasets, we want to have a better understanding of the influence of annotation noise in them. In this paper, we make the following contributions: 1) we propose two metrics that quantitatively measure the stability of detected facial landmarks, 2) we model the annotation noise in an existing public dataset, 3) we investigate the influence of different types of noise in training face alignment neural networks, and propose corresponding solutions. Our results demonstrate improvements in both accuracy and stability of detected facial landmarks.
• Abstract（参考訳）: 2d顔ランドマーク検出のための進化するアルゴリズムは、顔を認識し、表情を分析するなどを可能にする。 しかし、既存の手法はビデオに適用しても不安定な顔のランドマークの問題に遭遇する。 これまでの研究では、顔のランドマークの不安定さは、公開データセット間のラベル品質の不整合に起因するため、アノテーションノイズの影響をより深く理解したいと考えています。 本稿では,次のような貢献をする。 1) 検出された顔ランドマークの安定性を定量的に測定する2つの指標を提案する。 2)既存の公開データセットのアノテーションノイズをモデル化する。 3) 顔アライメントニューラルネットワークのトレーニングにおける様々なノイズの影響を調査し,対応する解を提案する。 その結果,検出された顔ランドマークの精度と安定性が向上した。

関連論文リスト

• Exploring Decision-based Black-box Attacks on Face Forgery Detection [53.181920529225906]
  顔の偽造生成技術は鮮明な顔を生み出し、セキュリティとプライバシーに対する世間の懸念を高めている。 顔偽造検出は偽の顔の識別に成功しているが、最近の研究では顔偽造検出は敵の例に対して非常に脆弱であることが示されている。
  論文  参考訳（メタデータ） (2023-10-18T14:49:54Z)
• Privacy-Preserving Face Recognition Using Random Frequency Components [46.95003101593304]
  顔認識によってプライバシーの懸念が高まっている。 人間の知覚可能な低周波成分を抽出することで視覚情報を隠蔽することを提案する。 得られた知見を,プライバシ保護のための新しい顔認識手法であるPartialFaceに抽出する。
  論文  参考訳（メタデータ） (2023-08-21T04:31:02Z)
• A Comparative Study of Face Detection Algorithms for Masked Face Detection [0.0]
  最近注目を集めている顔検出問題のサブクラスは、顔検出を禁止している。 新型コロナウイルス(COVID-19)のパンデミックの出現から3年が経過した今、既存の顔検出アルゴリズムがマスクされた顔にどれだけ効果があるかという証拠は、まだ全くない。 この記事では、まず、マスクされた顔問題のために作られた最先端の顔検出器と検出器の簡単なレビューと、既存のマスクされた顔データセットのレビューを紹介する。 マスク付き顔検出における顔検出装置の性能評価と比較を行い,その要因について考察した。
  論文  参考訳（メタデータ） (2023-05-18T16:03:37Z)
• Are Face Detection Models Biased? [69.68854430664399]
  顔領域の局所化による顔検出領域のバイアスについて検討した。 既存の顔検出データセットの多くは、このような分析に適したアノテーションを欠いている。 性別や肌の音色による検出精度の相違を観察し, 画像診断以外の要因の相互関係を考察した。
  論文  参考訳（メタデータ） (2022-11-07T14:27:55Z)
• Detect and Locate: A Face Anti-Manipulation Approach with Semantic and Noise-level Supervision [67.73180660609844]
  本稿では,画像中の偽造顔を効率的に検出する,概念的にシンプルだが効果的な方法を提案する。 提案手法は,画像に関する意味の高い意味情報を提供するセグメンテーションマップに依存する。 提案モデルでは,最先端検出精度と顕著なローカライゼーション性能を実現する。
  論文  参考訳（メタデータ） (2021-07-13T02:59:31Z)
• Facial Expressions as a Vulnerability in Face Recognition [73.85525896663371]
  本研究では,顔認識システムのセキュリティ脆弱性としての表情バイアスについて検討する。 本稿では,表情バイアスが顔認識技術の性能に与える影響を包括的に分析する。
  論文  参考訳（メタデータ） (2020-11-17T18:12:41Z)
• Occlusion-Adaptive Deep Network for Robust Facial Expression Recognition [56.11054589916299]
  本研究では,隠蔽領域から腐敗した特徴を発見・破棄するためのランドマーク誘導型アテンションブランチを提案する。 注意マップが最初に作成され、特定の顔部が閉鎖されているかどうかを示し、我々のモデルを非閉鎖領域に誘導する。 これにより、顔が部分的に隠されている場合でも、表情認識システムが回復することができる。
  論文  参考訳（メタデータ） (2020-05-12T20:42:55Z)
• On the Robustness of Face Recognition Algorithms Against Attacks and Bias [78.68458616687634]
  顔認識アルゴリズムは非常に高い認識性能を示しており、現実のアプリケーションに適していることを示唆している。 精度が向上したにもかかわらず、これらのアルゴリズムの攻撃や偏見に対する堅牢性は問題視されている。 本稿では,顔認識アルゴリズムの頑健性に挑戦する様々な方法について要約する。
  論文  参考訳（メタデータ） (2020-02-07T18:21:59Z)

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。