論文の概要: Fast Facial Landmark Detection and Applications: A Survey
- arxiv url: http://arxiv.org/abs/2101.10808v1
- Date: Tue, 12 Jan 2021 09:40:40 GMT
- ステータス: 処理完了
- システム内更新日: 2021-04-04 01:42:30.619498
- Title: Fast Facial Landmark Detection and Applications: A Survey
- Title（参考訳）: ファシカルランドマークの高速検出とその応用:調査
- Authors: Kostiantyn Khabarlak, Larysa Koriashkina
- Abstract要約: ここ数年で品質が大幅に向上したアプローチは、大きなポーズと感情の多様性を持つデータセットに重点を置いています。
そこで我々は,300-W,AFLW,WFLW,COFWという,難易度と最新度のデータセットの品質比較を行った。
- 参考スコア（独自算出の注目度）: 0.0
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: In this paper we survey and analyze modern neural-network-based facial
landmark detection algorithms. We focus on approaches that have led to a
significant increase in quality over the past few years on datasets with large
pose and emotion variability, high levels of face occlusions - all of which are
typical in real-world scenarios. We summarize the improvements into categories,
provide quality comparison on difficult and modern in-the-wild datasets: 300-W,
AFLW, WFLW, COFW. Additionally, we compare algorithm speed on CPU, GPU and
Mobile devices. For completeness, we also briefly touch on established methods
with open implementations available. Besides, we cover applications and
vulnerabilities of the landmark detection algorithms. Based on which, we raise
problems that as we hope will lead to further algorithm improvements in future.
- Abstract（参考訳）: 本稿では,ニューラルネットワークに基づく顔のランドマーク検出アルゴリズムの探索と解析を行う。
ここ数年で品質が大幅に向上したアプローチは、大きなポーズと感情の多様性、高いレベルの顔隠蔽を備えたデータセットに重点を置いています。
本稿では,300-W,AFLW,WFLW,COFWという,難易度と最新度のデータセットの品質比較を行った。
さらに、CPU、GPU、モバイルデバイスのアルゴリズム速度を比較します。
完全性については、オープン実装で利用可能な確立されたメソッドについても簡単に触れます。
さらに、ランドマーク検出アルゴリズムのアプリケーションと脆弱性についても取り上げる。
それによって、将来さらなるアルゴリズム改善につながるであろう課題が生まれます。
関連論文リスト
- CANDY: A Benchmark for Continuous Approximate Nearest Neighbor Search with Dynamic Data Ingestion [8.036012885171166]
我々は、動的データ取り込みを伴う連続近似Nearest Neighbor Searchに適したベンチマークであるCANDYを紹介する。
CANDYは幅広いAKNNアルゴリズムを包括的に評価し、機械学習駆動推論のような高度な最適化を統合する。
多様なデータセットに対する評価では、より単純なAKNNベースラインが、リコールやレイテンシの点で、より複雑な選択肢を上回ることが示されている。
論文 参考訳（メタデータ） (2024-06-28T04:46:11Z) - A Comprehensive Survey on Underwater Image Enhancement Based on Deep Learning [51.7818820745221]
水中画像強調(UIE)はコンピュータビジョン研究において重要な課題である。
多数のUIEアルゴリズムが開発されているにもかかわらず、網羅的で体系的なレビューはいまだに欠落している。
論文 参考訳（メタデータ） (2024-05-30T04:46:40Z) - Explaining Deep Face Algorithms through Visualization: A Survey [57.60696799018538]
本研究は、顔領域における説明可能性アルゴリズムの第一種メタ分析を行う。
既存のフェース説明可能性について概観し、フェースネットワークの構造と階層に関する貴重な知見を明らかにする。
論文 参考訳（メタデータ） (2023-09-26T07:16:39Z) - Real-time AdaBoost cascade face tracker based on likelihood map and
optical flow [59.17685450892182]
著者らは、光学フロー情報をヴィオラ・ジョーンズ検出アルゴリズムの修正版に組み込む新しい顔追跡手法を提案する。
元のアルゴリズムでは、前のフレームからの情報が考慮されないため、検出は静的である。
提案したトラッカーは、各ウィンドウが通過する分類段階の数に関する情報を保存する。
論文 参考訳（メタデータ） (2022-10-25T10:15:07Z) - Eight Years of Face Recognition Research: Reproducibility, Achievements
and Open Issues [6.608320705848282]
過去30年間に多くの異なる顔認識アルゴリズムが提案されてきた。
2015年からは、最先端の顔認識がディープラーニングモデルに根ざしている。
この研究は、2014年に開発され、2016年に出版されたこれまでの研究のフォローアップであり、顔認識アルゴリズムに対する様々な顔の側面の影響を示している。
論文 参考訳（メタデータ） (2022-08-08T10:40:29Z) - Face Forensics in the Wild [121.23154918448618]
我々は、ffiw-10kと呼ばれる新しい大規模データセットを構築し、高品質の偽造ビデオ1万本を含む。
操作手順は完全自動で、ドメイン対逆品質評価ネットワークによって制御されます。
さらに,多人数顔偽造検出の課題に取り組むための新しいアルゴリズムを提案する。
論文 参考訳（メタデータ） (2021-03-30T05:06:19Z) - MixNet for Generalized Face Presentation Attack Detection [63.35297510471997]
我々は、プレゼンテーションアタックを検出するための、TextitMixNetと呼ばれるディープラーニングベースのネットワークを提案している。
提案アルゴリズムは最先端の畳み込みニューラルネットワークアーキテクチャを利用して,各攻撃カテゴリの特徴マッピングを学習する。
論文 参考訳（メタデータ） (2020-10-25T23:01:13Z) - Generalized Iris Presentation Attack Detection Algorithm under
Cross-Database Settings [63.90855798947425]
プレゼンテーションアタックは、バイオメトリックなモダリティの大部分に大きな課題をもたらす。
本稿では,汎用的な深層学習に基づくプレゼンテーション攻撃検出ネットワークであるMVANetを提案する。
これはハイブリッドアルゴリズムの単純さと成功、あるいは複数の検出ネットワークの融合にインスパイアされている。
論文 参考訳（メタデータ） (2020-10-25T22:42:27Z) - Learning Robust Feature Representations for Scene Text Detection [0.0]
本稿では、条件付きログを最大化するために、損失から導かれるネットワークアーキテクチャを提案する。
潜伏変数の層を複数の層に拡張することで、ネットワークは大規模に堅牢な機能を学ぶことができる。
実験では,提案アルゴリズムはリコール法と精度の両面で最先端の手法を著しく上回っている。
論文 参考訳（メタデータ） (2020-05-26T01:06:47Z)
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。