論文の概要: MAAD-Face: A Massively Annotated Attribute Dataset for Face Images
- arxiv url: http://arxiv.org/abs/2012.01030v1
- Date: Wed, 2 Dec 2020 08:54:26 GMT
- ステータス: 処理完了
- システム内更新日: 2021-05-30 13:24:29.485553
- Title: MAAD-Face: A Massively Annotated Attribute Dataset for Face Images
- Title（参考訳）: MAAD-Face: 顔画像のための膨大な注釈付き属性データセット
- Authors: Philipp Terh\"orst, Daniel F\"ahrmann, Jan Niklas Kolf, Naser Damer,
Florian Kirchbuchner, and Arjan Kuijper
- Abstract要約: MAADFaceは、47の異なるバイナリ属性の123.9M属性アノテーションで構成されている。
CelebAやLFWの15～137倍の属性ラベルを提供する。
我々はMAAD-Faceからの大量の高品質アノテーションを活用し,ソフトバイオメトリックスの認識可能性について検討する。
- 参考スコア（独自算出の注目度）: 6.821500539038572
- License: http://creativecommons.org/licenses/by-sa/4.0/
- Abstract: Soft-biometrics play an important role in face biometrics and related fields
since these might lead to biased performances, threatens the user's privacy, or
are valuable for commercial aspects. Current face databases are specifically
constructed for the development of face recognition applications. Consequently,
these databases contain large amount of face images but lack in the number of
attribute annotations and the overall annotation correctness. In this work, we
propose MAADFace, a new face annotations database that is characterized by the
large number of its high-quality attribute annotations. MAADFace is build on
the VGGFace2 database and thus, consists of 3.3M faces of over 9k individuals.
Using a novel annotation transfer-pipeline that allows an accurate
label-transfer from multiple source-datasets to a target-dataset, MAAD-Face
consists of 123.9M attribute annotations of 47 different binary attributes.
Consequently, it provides 15 and 137 times more attribute labels than CelebA
and LFW. Our investigation on the annotation quality by three human evaluators
demonstrated the superiority of the MAAD-Face annotations over existing
databases. Additionally, we make use of the large amount of high-quality
annotations from MAAD-Face to study the viability of soft-biometrics for
recognition, providing insights about which attributes support genuine and
imposter decisions. The MAAD-Face annotations dataset is publicly available.
- Abstract（参考訳）: ソフトバイオメトリックス(soft-biometrics)は、顔バイオメトリックスと関連分野において重要な役割を果たす。
現在の顔データベースは、顔認識アプリケーションの開発に特化して構築されている。
その結果、これらのデータベースには大量の顔画像が含まれているが、属性アノテーションの数や全体的なアノテーションの正確さが欠けている。
本稿では,その高品質な属性アノテーションを特徴とする新しい顔アノテーションデータベースであるmaadfaceを提案する。
MAADFaceはVGGFace2データベース上に構築されており、9k人以上の3.3Mの顔で構成されている。
複数のソースデータセットからターゲットデータセットへの正確なラベル転送を可能にする新しいアノテーション転送パイプを使用して、MAAD-Faceは47の異なるバイナリ属性の123.9M属性アノテーションで構成されている。
その結果、CelebAやLFWの15～137倍の属性ラベルが提供される。
本研究では,既存のデータベースよりもmaad-faceアノテーションが優れていることを示すため,人間3名の評価者によるアノテーション品質調査を行った。
さらに,MAAD-Faceからの大量の高品質アノテーションを活用して,ソフトバイオメトリックスの認識可能性について検討し,真偽の判断を支援する属性について考察する。
MAAD-Faceアノテーションデータセットが公開されている。
関連論文リスト
- Face Anonymization Made Simple [44.24233169815565]
現在の顔の匿名化技術は、しばしば、不正確で信頼性の低い顔認識モデルによって計算されたアイデンティティ損失に依存する。
対照的に,本手法では再建損失のみを伴う拡散モデルを用いて,顔のランドマークやマスクの必要性を排除している。
本モデルは,アイデンティティの匿名化,顔の保存,画質の3つの重要な領域において,最先端のパフォーマンスを実現する。
論文 参考訳（メタデータ） (2024-11-01T17:45:21Z) - G2Face: High-Fidelity Reversible Face Anonymization via Generative and Geometric Priors [71.69161292330504]
可逆顔匿名化(Reversible face anonymization)は、顔画像の繊細なアイデンティティ情報を、合成された代替品に置き換えようとしている。
本稿では,Gtextsuperscript2Faceを提案する。
提案手法は,高データの有効性を保ちながら,顔の匿名化と回復において既存の最先端技術よりも優れる。
論文 参考訳（メタデータ） (2024-08-18T12:36:47Z) - Arc2Face: A Foundation Model for ID-Consistent Human Faces [95.00331107591859]
Arc2Faceは、ID条件のフェイスファンデーションモデルである。
既存のモデルと無矛盾の顔類似度で、多様なフォトリアリスティック画像を生成することができる。
論文 参考訳（メタデータ） (2024-03-18T10:32:51Z) - TransFA: Transformer-based Representation for Face Attribute Evaluation [87.09529826340304]
我々はtextbfTransFA を用いたtextbfattribute 評価のための新しい textbf Transformer 表現を提案する。
提案するTransFAは,最先端手法と比較して優れた性能を示す。
論文 参考訳（メタデータ） (2022-07-12T10:58:06Z) - Learning Disentangled Representation for One-shot Progressive Face
Swapping [65.98684203654908]
ジェネレーティブ・アドバーサリアル・ネットワークに基づくワンショット・フェイススワップのためのシンプルで効率的なFaceSwapperを提案する。
提案手法は,不整合表現モジュールと意味誘導融合モジュールから構成される。
その結果,本手法は,トレーニングサンプルの少ないベンチマークで最先端の結果が得られることがわかった。
論文 参考訳（メタデータ） (2022-03-24T11:19:04Z) - MaskMTL: Attribute prediction in masked facial images with deep
multitask learning [9.91045425400833]
本稿では,マスク付き顔画像から多種多様な特徴を共同で推定する深層マルチタスク学習(MTL)手法を提案する。
提案手法は、他の競合技術よりも性能が優れている。
論文 参考訳（メタデータ） (2022-01-09T13:03:29Z) - FaceController: Controllable Attribute Editing for Face in the Wild [74.56117807309576]
単純なフィードフォワードネットワークを提案し、高忠実度な顔を生成する。
本手法では,既存かつ容易に把握可能な事前情報を利用することで,野生の多様な顔属性の制御,転送,編集を行うことができる。
本手法では,3Dプリミティブを用いてアイデンティティ,表現,ポーズ,イルミネーションを分離し,地域別スタイルコードを用いてテクスチャとカラーを分離する。
論文 参考訳（メタデータ） (2021-02-23T02:47:28Z) - Beyond Identity: What Information Is Stored in Biometric Face Templates? [13.555831336280407]
顔テンプレートにエンコードされた情報を知ることは、バイアス軽減とプライバシ保護の顔認識技術の開発に役立つ。
2つの公開顔埋め込み実験を行った。
結果は、顔テンプレートから最大74の属性を正確に予測できることを実証した。
論文 参考訳（メタデータ） (2020-09-21T14:41:18Z) - 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) - PrivacyNet: Semi-Adversarial Networks for Multi-attribute Face Privacy [15.301150389512744]
画像手法を用いて, 顔画像に対するソフトバイオメトリック・プライバシを実現する手法を開発した。
画像摂動は、GANをベースとしたSAN(Semi-Adversarial Network)を用いて行われる。
PrivacyNetでは、入力された顔画像に難読化される属性を選択することができる。
論文 参考訳（メタデータ） (2020-01-02T18:53:31Z)
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。