論文の概要: How Unique Is a Face: An Investigative Study
- arxiv url: http://arxiv.org/abs/2102.04965v1
- Date: Tue, 9 Feb 2021 17:35:39 GMT
- ステータス: 処理完了
- システム内更新日: 2021-02-10 21:44:41.076427
- Title: How Unique Is a Face: An Investigative Study
- Title（参考訳）: 顔がいかにユニークか:調査研究
- Authors: Michal Balazia, S L Happy, Francois Bremond, Antitza Dantcheva
- Abstract要約: 本研究では,画像の解像度,特徴表現,データベースサイズ,年齢,性別などの要因が,実際の分布とインポスタ分布のKullback-Leibler分散によって示される特異性に与える影響について検討した。
特徴抽出アルゴリズムとしてVGGFace, VGG16, ResNet50, InceptionV3, MobileNet, DenseNet121 を用いる。
- 参考スコア（独自算出の注目度）: 8.803279436922267
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Face recognition has been widely accepted as a means of identification in
applications ranging from border control to security in the banking sector.
Surprisingly, while widely accepted, we still lack the understanding of
uniqueness or distinctiveness of faces as biometric modality. In this work, we
study the impact of factors such as image resolution, feature representation,
database size, age and gender on uniqueness denoted by the Kullback-Leibler
divergence between genuine and impostor distributions. Towards understanding
the impact, we present experimental results on the datasets AT&T, LFW,
IMDb-Face, as well as ND-TWINS, with the feature extraction algorithms VGGFace,
VGG16, ResNet50, InceptionV3, MobileNet and DenseNet121, that reveal the
quantitative impact of the named factors. While these are early results, our
findings indicate the need for a better understanding of the concept of
biometric uniqueness and its implication on face recognition.
- Abstract（参考訳）: 顔認識は、国境管理から銀行部門のセキュリティまで、アプリケーションにおける識別手段として広く受け入れられている。
驚くべきことに、広く受け入れられているものの、顔の独特さや特徴性は、バイオメトリックモダリティとして理解していない。
本研究では, 画像の解像度, 特徴表現, データベースサイズ, 年齢, 性別などの要因が, 真正分布と偽分布のKurback-Leibler発散による一意性に及ぼす影響について検討する。
この影響を理解するために、AT&T、LFW、IMDb-Face、ND-TWINSのデータセットに関する実験的結果と、名前付けされた要因の定量的影響を明らかにする機能抽出アルゴリズムVGGFace、VGG16、ResNet50、InceptionV3、MobileNetおよびDenseNet121を紹介します。
これらの研究は初期の成果であるが,バイオメトリックな一意性の概念の理解を深める必要性と,その顔認識への関与が示唆された。
関連論文リスト
- Face De-identification: State-of-the-art Methods and Comparative Studies [32.333766763819796]
顔の特定は、顔画像のプライバシーを保護する効果的な手段とみなされる。
本稿では,現在最先端の顔識別手法を,ピクセルレベル,表現レベル,意味レベルという3つのレベルに分類する。
論文 参考訳（メタデータ） (2024-11-15T01:00:00Z) - DiFace: Cross-Modal Face Recognition through Controlled Diffusion [3.8496256387884378]
拡散確率モデル(DPM)は、優れた品質とリアリズムの視覚メディアを生成するのに非常に優れた能力を示した。
制御可能な拡散プロセスを通じて,テキストによる顔認識を効果的に実現する解であるDiFaceを提案する。
われわれのアプローチは、私たちの知る限り、テキストと画像の顔認識において、初めて顕著な精度を実現している。
論文 参考訳（メタデータ） (2023-12-03T12:28:52Z) - Can GAN-induced Attribute Manipulations Impact Face Recognition? [11.14373508358616]
本研究では,GAN(Generative Adversarial Network)による属性操作が顔認識性能に及ぼす影響について検討した。
眼鏡や性欲のデジタル的変化を含むいくつかの属性操作は、顔認識を最大73%損なう可能性がある。
論文 参考訳（メタデータ） (2022-09-07T05:26:25Z) - DuetFace: Collaborative Privacy-Preserving Face Recognition via Channel
Splitting in the Frequency Domain [23.4606547767188]
DuetFaceは、周波数領域における協調推論を利用するプライバシー保護の顔認識手法である。
提案手法は、保護されていないArcFaceと同等の認識精度とコストを達成し、最先端のプライバシ保存手法より優れている。
論文 参考訳（メタデータ） (2022-07-15T08:35:44Z) - Towards Intrinsic Common Discriminative Features Learning for Face
Forgery Detection using Adversarial Learning [59.548960057358435]
本稿では, 対人学習を利用して, 異なる偽造法と顔の同一性による負の効果を除去する手法を提案する。
我々の顔偽造検出モデルは、偽造法や顔の同一性の影響を排除し、共通の識別的特徴を抽出することを学ぶ。
論文 参考訳（メタデータ） (2022-07-08T09:23:59Z) - Towards Unbiased Visual Emotion Recognition via Causal Intervention [63.74095927462]
本稿では,データセットバイアスによる負の効果を軽減するために,新しい感情認識ネットワーク(IERN)を提案する。
IERNの有効性を検証する一連の設計されたテストと、3つの感情ベンチマークの実験は、IERNが他の最先端のアプローチよりも優れていることを示した。
論文 参考訳（メタデータ） (2021-07-26T10:40:59Z) - Harnessing Unrecognizable Faces for Face Recognition [87.80037162457427]
本稿では,顔画像の認識可能性の尺度を提案し,主に認識可能なアイデンティティを用いて訓練されたディープニューラルネットワークによって実現された。
FAR=1e-5において,認識可能性を考慮した場合,単画像認識の誤り率を58%減少させることを示す。
論文 参考訳（メタデータ） (2021-06-08T05:25:03Z) - 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) - Towards Face Encryption by Generating Adversarial Identity Masks [53.82211571716117]
敵の識別マスクを生成するためのターゲットID保護反復法(TIP-IM)を提案する。
TIP-IMは、様々な最先端の顔認識モデルに対して95%以上の保護成功率を提供する。
論文 参考訳（メタデータ） (2020-03-15T12:45:10Z) - Investigating the Impact of Inclusion in Face Recognition Training Data
on Individual Face Identification [93.5538147928669]
最新のオープンソースの顔認識システムであるArcFaceを、100万枚以上の散らばった画像を用いた大規模な顔識別実験で監査する。
モデルのトレーニングデータには79.71%、存在しない人には75.73%のランク1顔認証精度がある。
論文 参考訳（メタデータ） (2020-01-09T15:50:28Z)
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。