論文の概要: K-FACE: A Large-Scale KIST Face Database in Consideration with
Unconstrained Environments
- arxiv url: http://arxiv.org/abs/2103.02211v1
- Date: Wed, 3 Mar 2021 06:50:33 GMT
- ステータス: 処理完了
- システム内更新日: 2021-03-06 20:57:13.420616
- Title: K-FACE: A Large-Scale KIST Face Database in Consideration with
Unconstrained Environments
- Title（参考訳）: K-FACE:制約のない環境を考慮した大規模KIST顔データベース
- Authors: Yeji Choi, Hyunjung Park, Gi Pyo Nam, Haksub Kim, Heeseung Choi,
Junghyun Cho, Ig-Jae Kim
- Abstract要約: K-FACEデータベースは、性別と年齢の比率を考慮して選択された1000人の被験者の100万以上の高品質な画像を含んでいる。
k-faceデータベースは、顔認識、顔前面化、照明正規化、顔年齢推定、三次元顔モデル生成など、様々な視覚タスクで広く利用することができる。
- 参考スコア（独自算出の注目度）: 10.645125317327846
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: In this paper, we introduce a new large-scale face database from KIST,
denoted as K-FACE, and describe a novel capturing device specifically designed
to obtain the data. The K-FACE database contains more than 1 million
high-quality images of 1,000 subjects selected by considering the ratio of
gender and age groups. It includes a variety of attributes, including 27 poses,
35 lighting conditions, three expressions, and occlusions by the combination of
five types of accessories. As the K-FACE database is systematically constructed
through a hemispherical capturing system with elaborate lighting control and
multiple cameras, it is possible to accurately analyze the effects of factors
that cause performance degradation, such as poses, lighting changes, and
accessories. We consider not only the balance of external environmental
factors, such as pose and lighting, but also the balance of personal
characteristics such as gender and age group. The gender ratio is the same,
while the age groups of subjects are uniformly distributed from the 20s to 50s
for both genders. The K-FACE database can be extensively utilized in various
vision tasks, such as face recognition, face frontalization, illumination
normalization, face age estimation, and three-dimensional face model
generation. We expect systematic diversity and uniformity of the K-FACE
database to promote these research fields.
- Abstract（参考訳）: 本論文では,KISTの大規模顔データベースをK-FACEと表記し,そのデータを取得するために特別に設計された新しいキャプチャデバイスについて述べる。
K-FACEデータベースは、性別と年齢の比率を考慮して選択された1000人の被験者の100万以上の高品質な画像を含んでいる。
27のポーズ、35の照明条件、3つの表現、および5種類のアクセサリーの組み合わせによるオクルージョンを含む様々な属性を含んでいる。
K-FACEデータベースは、精巧な照明制御と複数のカメラを備えた半球撮影システムを通じて体系的に構築されているため、ポーズ、照明変更、アクセサリーなどの性能劣化を引き起こす要因の影響を正確に分析することが可能である。
我々は、ポーズや照明などの外部環境要因のバランスだけでなく、性別や年齢グループといった個人的特性のバランスも考慮している。
男女比は同じであるが、被験者の年齢層は両性別で20代から50代まで均一に分布している。
k-faceデータベースは、顔認識、顔前面化、照明正規化、顔年齢推定、三次元顔モデル生成など、様々な視覚タスクで広く利用することができる。
K-FACEデータベースの体系的な多様性と統一性がこれらの研究分野を促進することを期待しています。
関連論文リスト
- SDFD: Building a Versatile Synthetic Face Image Dataset with Diverse Attributes [14.966767182001755]
顔の多様性の幅広いスペクトルをキャプチャする合成顔画像データセットを生成する手法を提案する。
具体的には、我々のアプローチは人口統計学とバイオメトリックスを統合するだけでなく、メイクアップ、ヘアスタイル、アクセサリーといった非永続的な特徴も統合しています。
これらのプロンプトは、高品質なリアル画像の包括的なデータセットを生成する際に、最先端のテキスト・ツー・イメージモデルを導く。
論文 参考訳（メタデータ） (2024-04-26T08:51:31Z) - Child Face Recognition at Scale: Synthetic Data Generation and
Performance Benchmark [3.4110993541168853]
HDA-SynChildFacesは1,652人の被験者と188,832人の画像で構成され、各被験者は様々な年齢で存在し、多くの異なる物体内変異を持つ。
生成したデータベース上での様々な顔認識システムの性能評価を行い、年齢の異なる大人と子供の結果と比較した。
論文 参考訳（メタデータ） (2023-04-23T15:29:26Z) - Going the Extra Mile in Face Image Quality Assessment: A Novel Database
and Model [42.05084438912876]
現在までに開発された最大のアノテートIQAデータベースについて紹介する。
本稿では,顔画像の品質を正確に予測する新しいディープラーニングモデルを提案する。
論文 参考訳（メタデータ） (2022-07-11T14:28:18Z) - StyleGAN-Human: A Data-Centric Odyssey of Human Generation [96.7080874757475]
この研究は、データ中心の観点から、"データエンジニアリング"における複数の重要な側面を調査します。
さまざまなポーズやテクスチャを抽出した230万以上のサンプルで、大規模な人間の画像データセットを収集し、注釈付けします。
本稿では,データサイズ,データ分布,データアライメントといった,スタイルGANに基づく人為的生成のためのデータ工学における3つの重要な要素について精査する。
論文 参考訳（メタデータ） (2022-04-25T17:55:08Z) - A Deep Dive into Dataset Imbalance and Bias in Face Identification [49.210042420757894]
メディアの描写は、自動顔認識システムにおけるバイアスの主な原因として、しばしば不均衡を浮き彫りにする。
FRにおけるデータ不均衡に関するこれまでの研究は、顔認証の設定にのみ焦点をあててきた。
この研究は、顔の識別における各種類の不均衡の影響を徹底的に調査し、この設定におけるバイアスに影響を与える他の要因について議論する。
論文 参考訳（メタデータ） (2022-03-15T20:23:13Z) - Robustness Disparities in Commercial Face Detection [72.25318723264215]
私たちは、Amazon Rekognition、Microsoft Azure、Google Cloud Platformの3つのシステムの堅牢性に関する、この種の詳細なベンチマークを初めて提示します。
一般的には、年齢、男性像、肌型、薄暗い色合いの人物の写真は、他のアイデンティティーの人物よりも、エラーの影響を受けやすいことが分かりました。
論文 参考訳（メタデータ） (2021-08-27T21:37:16Z) - A Synthesis-Based Approach for Thermal-to-Visible Face Verification [105.63410428506536]
本稿では,ARL-VTFおよびTUFTSマルチスペクトル顔データセット上での最先端性能を実現するアルゴリズムを提案する。
MILAB-VTF(B)も提案する。
論文 参考訳（メタデータ） (2021-08-21T17:59:56Z) - Faces in the Wild: Efficient Gender Recognition in Surveillance
Conditions [0.0]
我々は、よく知られた3つの監視データセットのフロントとワイルドフェース版を提示する。
本研究では,自然環境下での性別認識に適した顔情報と身体情報を効果的に動的に組み合わせたモデルを提案する。
本モデルでは,学習可能な融合行列とチャネル・アテンション・サブネットワークを介して顔と身体の情報を組み合わせる。
論文 参考訳（メタデータ） (2021-07-14T17:02:23Z) - Enhancing Facial Data Diversity with Style-based Face Aging [59.984134070735934]
特に、顔データセットは、通常、性別、年齢、人種などの属性の観点からバイアスされる。
本稿では, 細粒度の老化パターンをキャプチャするデータ拡張のための, 生成スタイルに基づく新しいアーキテクチャを提案する。
提案手法は, 年齢移動のための最先端アルゴリズムよりも優れていることを示す。
論文 参考訳（メタデータ） (2020-06-06T21:53:44Z) - Investigating Bias in Deep Face Analysis: The KANFace Dataset and
Empirical Study [67.3961439193994]
現在までに最も包括的で大規模な顔画像とビデオのデータセットを導入している。
データは、アイデンティティ、正確な年齢、性別、親族関係の点で手動で注釈付けされる。
提案したベンチマークでネットワーク埋め込みをデバイアス化する手法を導入し,テストした。
論文 参考訳（メタデータ） (2020-05-15T00:14:39Z)
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。