論文の概要: Face Image Quality Assessment: A Literature Survey
- arxiv url: http://arxiv.org/abs/2009.01103v3
- Date: Mon, 25 Oct 2021 13:06:18 GMT
- ステータス: 処理完了
- システム内更新日: 2022-10-22 19:28:44.293384
- Title: Face Image Quality Assessment: A Literature Survey
- Title（参考訳）: 顔画像品質評価:文献調査
- Authors: Torsten Schlett, Christian Rathgeb, Olaf Henniger, Javier Galbally,
Julian Fierrez, Christoph Busch
- Abstract要約: 本調査は、主に可視波長の顔画像入力に焦点を当てた顔画像品質評価文献の概要を提供する。
深層学習に基づく手法の傾向が観察され,近年のアプローチにおける概念的差異が顕著である。
- 参考スコア（独自算出の注目度）: 16.647739693192236
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: The performance of face analysis and recognition systems depends on the
quality of the acquired face data, which is influenced by numerous factors.
Automatically assessing the quality of face data in terms of biometric utility
can thus be useful to detect low-quality data and make decisions accordingly.
This survey provides an overview of the face image quality assessment
literature, which predominantly focuses on visible wavelength face image input.
A trend towards deep learning based methods is observed, including notable
conceptual differences among the recent approaches, such as the integration of
quality assessment into face recognition models. Besides image selection, face
image quality assessment can also be used in a variety of other application
scenarios, which are discussed herein. Open issues and challenges are pointed
out, i.a. highlighting the importance of comparability for algorithm
evaluations, and the challenge for future work to create deep learning
approaches that are interpretable in addition to providing accurate utility
predictions.
- Abstract（参考訳）: 顔分析・認識システムの性能は、取得した顔データの品質に依存し、多くの要因に影響される。
これにより,バイオメトリック・ユーティリティの観点から顔データの品質を自動評価することにより,低品質なデータを検出し,それに応じて意思決定を行うことが可能となる。
本研究は,主に可視波長の面画像入力に焦点をあてた顔画像品質評価文献の概要を提供する。
顔認識モデルへの品質評価の統合など,近年のアプローチに顕著な概念的差異を含む,ディープラーニングに基づく手法への傾向が観察されている。
画像の選択以外にも、顔画像の品質評価は、ここで議論される他の様々なアプリケーションシナリオでも使用できる。
オープンな問題や課題、すなわちアルゴリズム評価におけるコンパラビリティの重要性、そして、正確なユーティリティ予測の提供に加えて解釈可能なディープラーニングアプローチを作成するための今後の課題が指摘されている。
関連論文リスト
- Rank-based No-reference Quality Assessment for Face Swapping [88.53827937914038]
顔スワップ法における品質測定の基準は、操作された画像とソース画像の間のいくつかの距離に依存する。
顔スワップ用に設計された新しい非参照画像品質評価法(NR-IQA)を提案する。
論文 参考訳（メタデータ） (2024-06-04T01:36:29Z) - DeepFidelity: Perceptual Forgery Fidelity Assessment for Deepfake
Detection [67.3143177137102]
ディープフェイク検出(Deepfake detection)とは、画像やビデオにおいて、人工的に生成された顔や編集された顔を検出すること。
本稿では,実顔と偽顔とを適応的に識別するDeepFidelityという新しいDeepfake検出フレームワークを提案する。
論文 参考訳（メタデータ） (2023-12-07T07:19:45Z) - A Study on the Impact of Face Image Quality on Face Recognition in the
Wild [6.916620974833163]
本研究では,野生の顔画像における深層学習手法の性能評価を行い,これらのデータを用いた人間の顔検証実験を設計する。
この結果から,ディープラーニングにおける品質問題の研究は依然として徹底的に行う必要があることが示唆された。
論文 参考訳（メタデータ） (2023-07-05T22:41:14Z) - CIAO! A Contrastive Adaptation Mechanism for Non-Universal Facial
Expression Recognition [80.07590100872548]
本稿では、顔エンコーダの最後の層に異なるデータセットの特定の感情特性を適応させるメカニズムであるContrastive Inhibitory Adaptati On(CIAO)を提案する。
CIAOは、非常にユニークな感情表現を持つ6つの異なるデータセットに対して、表情認識性能が改善されている。
論文 参考訳（メタデータ） (2022-08-10T15:46:05Z) - A Deep Insight into Measuring Face Image Utility with General and
Face-specific Image Quality Metrics [5.770286315818393]
一般的な画像品質のメトリクスは、グローバルなイメージで使用することができ、人間の知覚に関連付けられる。
本研究の結果から,顔用ユーティリティ尺度として特に訓練を受けなくても,学習した画像指標と顔用ユーティリティとの間に明確な相関関係が明らかとなった。
論文 参考訳（メタデータ） (2021-10-21T12:56:38Z) - Image Quality Assessment in the Modern Age [53.19271326110551]
本チュートリアルは、画像品質評価(IQA)の基礎的理論、方法論、現状の進歩を聴衆に提供する。
まず,視覚刺激を適切に選択する方法に着目し,主観的品質評価手法を再考する。
手書きのエンジニアリングと(深い)学習ベースの手法の両方をカバーします。
論文 参考訳（メタデータ） (2021-10-19T02:38:46Z) - 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) - Face Quality Estimation and Its Correlation to Demographic and
Non-Demographic Bias in Face Recognition [15.431761867166]
顔の質評価は、認識のための顔画像の有用性を推定することを目的としている。
現在、これらの顔認識システムの高性能化には、人口統計学や非人口統計学のサブグループに対する強い偏見のコストが伴っている。
近年の研究では、顔品質評価アルゴリズムは、高精度でロバストな品質評価を実現するために、デプロイされた顔認識システムに適応すべきであることが示されている。
論文 参考訳（メタデータ） (2020-04-02T14:19:12Z) - SER-FIQ: Unsupervised Estimation of Face Image Quality Based on
Stochastic Embedding Robustness [15.431761867166]
任意の顔認識モデルに基づいて顔の質を測定する新しい概念を提案する。
提案手法を,学界と産業界からの6つの最先端アプローチと比較した。
論文 参考訳（メタデータ） (2020-03-20T16:50:30Z) - 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。