論文の概要: Face Age Progression With Attribute Manipulation
- arxiv url: http://arxiv.org/abs/2106.07696v1
- Date: Mon, 14 Jun 2021 18:26:48 GMT
- ステータス: 処理完了
- システム内更新日: 2021-06-17 10:26:51.907531
- Title: Face Age Progression With Attribute Manipulation
- Title（参考訳）: 属性操作による顔年齢の進行
- Authors: Sinzith Tatikonda, Athira Nambiar and Anurag Mittal
- Abstract要約: FAWAM (Face Age Progression with Attribute Manipulation) を提唱する。
タスクをボトムアップ方式で,顔年齢の進行と顔属性の操作という2つのサブモジュールとして扱う。
顔の老化には、年齢に応じた顔の変化をモデル化できるピラミッド生成対向ネットワークを備えた属性意識型顔の老化モデルを用いる。
- 参考スコア（独自算出の注目度）: 11.859913430860335
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Face is one of the predominant means of person recognition. In the process of
ageing, human face is prone to many factors such as time, attributes, weather
and other subject specific variations. The impact of these factors were not
well studied in the literature of face aging. In this paper, we propose a novel
holistic model in this regard viz., ``Face Age progression With Attribute
Manipulation (FAWAM)", i.e. generating face images at different ages while
simultaneously varying attributes and other subject specific characteristics.
We address the task in a bottom-up manner, as two submodules i.e. face age
progression and face attribute manipulation. For face aging, we use an
attribute-conscious face aging model with a pyramidal generative adversarial
network that can model age-specific facial changes while maintaining intrinsic
subject specific characteristics. For facial attribute manipulation, the age
processed facial image is manipulated with desired attributes while preserving
other details unchanged, leveraging an attribute generative adversarial network
architecture. We conduct extensive analysis in standard large scale datasets
and our model achieves significant performance both quantitatively and
qualitatively.
- Abstract（参考訳）: 顔は個人認識の主要な手段の1つである。
老化の過程では、人間の顔は時間、属性、天気、その他の主題固有のバリエーションなど、多くの要因に左右される。
これらの因子の影響は顔の老化の文献ではよく研究されなかった。
本稿では,「FAWAM (Face Age Progression With Attribute Manipulation) 」という,新たな包括的モデルを提案する。
異なる年齢で顔画像を生成すると同時に、属性と他の主題固有の特性を同時に生成する。
タスクはボトムアップ方式、すなわち2つのサブモジュールとして扱う。
顔年齢の進行と顔属性の操作。
顔の老化にはピラミッド生成対向ネットワークを用いた属性意識型顔の老化モデルを用い,本質的な被写体の特徴を維持しつつ,年齢に応じた顔の変化をモデル化する。
顔属性の操作には、年齢処理された顔画像を所望の属性で操作し、他の詳細をそのまま保存し、属性生成対向ネットワークアーキテクチャを活用する。
我々は,標準大規模データセットを広範囲に分析し,定量的・定性的に有意な性能を実現する。
関連論文リスト
- Subjective Face Transform using Human First Impressions [5.026535087391025]
この研究は生成モデルを用いて、認識属性を変更する顔画像に意味論的に意味のある編集を見つける。
我々は、実際の顔と合成顔のトレーニングを行い、予測モデルと人間の評価を用いてドメイン内画像とドメイン外画像の評価を行う。
論文 参考訳（メタデータ） (2023-09-27T03:21:07Z) - Face Identity-Aware Disentanglement in StyleGAN [15.753131748318335]
StyleGANのプラグインであるPluGeN4Facesを導入する。
実験の結果,PluGeN4Facesによる顔属性の修正は,既存の最先端モデルに比べて画像の残像特性が有意に低侵襲であることがわかった。
論文 参考訳（メタデータ） (2023-09-21T12:54:09Z) - Explaining Bias in Deep Face Recognition via Image Characteristics [9.569575076277523]
2つのデータセットのセキュリティとユーザビリティの観点から,10種類の最先端の顔認識モデルを評価し,その妥当性を比較した。
次に,画像特性がモデル性能に与える影響を解析する。
論文 参考訳（メタデータ） (2022-08-23T17:18:23Z) - 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 comprehensive survey on semantic facial attribute editing using
generative adversarial networks [0.688204255655161]
多くの顔生成と操作モデルが提案されている。
セマンティック顔属性編集(Semantic face attribute editing)は、顔画像の1つ以上の属性の値を変更する過程である。
アーキテクチャに基づいて、最先端のモデルはエンコーダデコーダ、イメージ・ツー・イメージ、フォトガイドモデルに分類され、研究される。
論文 参考訳（メタデータ） (2022-05-21T13:09:38Z) - SynFace: Face Recognition with Synthetic Data [83.15838126703719]
我々は、ID混在(IM)とドメイン混在(DM)を併用したSynFaceを考案し、パフォーマンスギャップを緩和する。
また、合成顔画像の系統的実験分析を行い、合成データを顔認識に効果的に活用する方法についての知見を提供する。
論文 参考訳（メタデータ） (2021-08-18T03:41:54Z) - FP-Age: Leveraging Face Parsing Attention for Facial Age Estimation in
the Wild [50.8865921538953]
年齢推定に顔のセマンティクスを明示的に組み込む手法を提案する。
我々は,顔解析に基づくネットワークを設計し,異なるスケールで意味情報を学習する。
提案手法は,既存の年齢推定手法を常に上回っていることを示す。
論文 参考訳（メタデータ） (2021-06-21T14:31:32Z) - I Only Have Eyes for You: The Impact of Masks On Convolutional-Based
Facial Expression Recognition [78.07239208222599]
今回提案したFaceChannelがマスクを持つ人からの表情認識にどのように適応するかを評価します。
また、制約された社会的相互作用シナリオにおける顔の特徴の変化を学習し、組み合わせるためのFaceChannelの本質的な能力を示すために、特定の機能レベルの可視化も行います。
論文 参考訳（メタデータ） (2021-04-16T20:03:30Z) - Continuous Face Aging Generative Adversarial Networks [11.75204350455584]
顔の老化は、入力画像の顔を指定された年齢に翻訳することを目的としたタスクです。
それまでの方法は、それぞれが10年からなる離散年齢群を生成できるだけに限られていた。
CFA-GAN (Continuous face aging generative adversarial Network) を提案する。
論文 参考訳（メタデータ） (2021-02-26T06:22:25Z) - Age Gap Reducer-GAN for Recognizing Age-Separated Faces [72.26969872180841]
本稿では,年齢変化に伴う顔と時間変化をマッチングする新しいアルゴリズムを提案する。
提案手法は,顔の年齢推定と年齢別顔の検証を組み合わせた統合フレームワークである。
論文 参考訳（メタデータ） (2020-11-11T16:43:32Z) - DotFAN: A Domain-transferred Face Augmentation Network for Pose and
Illumination Invariant Face Recognition [94.96686189033869]
本稿では,3次元モデルを用いたドメイン転送型顔強調ネットワーク(DotFAN)を提案する。
DotFANは、他のドメインから収集された既存のリッチフェイスデータセットから抽出された知識に基づいて、入力顔の一連の変種を生成することができる。
実験によると、DotFANは、クラス内の多様性を改善するために、小さな顔データセットを増やすのに有益である。
論文 参考訳（メタデータ） (2020-02-23T08:16:34Z)
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。