論文の概要: CoverTheFace: face covering monitoring and demonstrating using deep
learning and statistical shape analysis
- arxiv url: http://arxiv.org/abs/2108.10430v1
- Date: Mon, 23 Aug 2021 22:11:07 GMT
- ステータス: 処理完了
- システム内更新日: 2021-08-25 14:11:24.777389
- Title: CoverTheFace: face covering monitoring and demonstrating using deep
learning and statistical shape analysis
- Title（参考訳）: CoverTheFace: 深層学習と統計的形状解析を用いた顔被覆モニタリングと実演
- Authors: Yixin Hu and Xingyu Li
- Abstract要約: マスクを着用することは、新型コロナウイルスのパンデミックに対する強力な保護だ。
この観察により,マスクを着用している人の状態を自動で監視する手法が考案された。
これまでの研究とは違って、マスク検出だけでなく、適切なマスク着用に関するパーソナライズされたデモンストレーションの作成にも重点を置いています。
- 参考スコア（独自算出の注目度）: 6.0645077747881855
- License: http://creativecommons.org/licenses/by-nc-sa/4.0/
- Abstract: Wearing a mask is a strong protection against the COVID-19 pandemic, even
though the vaccine has been successfully developed and is widely available.
However, many people wear them incorrectly. This observation prompts us to
devise an automated approach to monitor the condition of people wearing masks.
Unlike previous studies, our work goes beyond mask detection; it focuses on
generating a personalized demonstration on proper mask-wearing, which helps
people use masks better through visual demonstration rather than text
explanation. The pipeline starts from the detection of face covering. For
images where faces are improperly covered, our mask overlay module incorporates
statistical shape analysis (SSA) and dense landmark alignment to approximate
the geometry of a face and generates corresponding face-covering examples. Our
results show that the proposed system successfully identifies images with faces
covered properly. Our ablation study on mask overlay suggests that the SSA
model helps to address variations in face shapes, orientations, and scales. The
final face-covering examples, especially half profile face images, surpass
previous arts by a noticeable margin.
- Abstract（参考訳）: マスクを着用することは、ワクチンの開発に成功し、広く普及しているにもかかわらず、新型コロナウイルス(covid-19)パンデミックに対する強力な保護である。
しかし、多くは誤って着用する。
この観察により,マスクを着用している人の状態を自動で監視する手法が考案された。
従来の研究とは異なり、われわれの研究はマスク検出に留まらず、適切なマスク着用についてパーソナライズされたデモを作成することに焦点を当てている。
パイプラインは、フェイスカバーの検出から始まります。
顔が不適切に覆われている画像に対して,マスクオーバーレイモジュールは,顔の形状を近似するために統計的形状解析(ssa)と密集したランドマークアライメントを組み込んで,対応する顔被覆例を生成する。
提案システムは,顔が適切にカバーされた画像の識別に成功していることを示す。
我々のマスクオーバーレイに関するアブレーション研究は、SSAモデルが顔の形状、向き、スケールの変化に対処するのに役立つことを示唆している。
最後のフェイスカバーの例、特にハーフプロフィールのフェイスイメージは、以前のアートを著しく上回っている。
関連論文リスト
- Face Mask Removal with Region-attentive Face Inpainting [0.7433327915285965]
本研究では,顔のマスク部分の復元・再構成を行う生成顔インペイント法を提案する。
提案手法は,空間情報損失を軽減するため,M-CSAM (M-scale Channel-Spatial Attention Module) を含む。
我々は、CelebAデータセットから5種類のマスクを組み込むことで、独自のMasked-Facesデータセットを合成する。
論文 参考訳（メタデータ） (2024-09-10T20:10:11Z) - Seeing through the Mask: Multi-task Generative Mask Decoupling Face
Recognition [47.248075664420874]
現在の一般的な顔認識システムは、隠蔽シーンに遭遇する際の重大な性能劣化に悩まされている。
本稿では,これら2つのタスクを協調的に扱うために,マルチタスクのgEnerative mask dEcoupling Face Recognition (MEER) ネットワークを提案する。
まず,マスクと識別情報を分離する新しいマスクデカップリングモジュールを提案する。
論文 参考訳（メタデータ） (2023-11-20T03:23:03Z) - FaceMAE: Privacy-Preserving Face Recognition via Masked Autoencoders [81.21440457805932]
顔のプライバシと認識性能を同時に考慮する新しいフレームワークFaceMAEを提案する。
ランダムにマスクされた顔画像は、FaceMAEの再構築モジュールのトレーニングに使用される。
また、いくつかの公開顔データセット上で十分なプライバシー保護顔認証を行う。
論文 参考訳（メタデータ） (2022-05-23T07:19:42Z) - 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) - Adversarial Mask: Real-World Adversarial Attack Against Face Recognition
Models [66.07662074148142]
本稿では,最先端の深層学習に基づく顔認識モデルに対する物理対角的普遍摂動(UAP)を提案する。
実験では,幅広い深層学習モデルとデータセットへの対向マスクの転送可能性について検討した。
ファブリック・メディカル・フェイスマスクに対向パターンを印刷することにより,実世界の実験において,我々の対向マスクの有効性を検証した。
論文 参考訳（メタデータ） (2021-11-21T08:13:21Z) - MLFW: A Database for Face Recognition on Masked Faces [56.441078419992046]
Masked LFW (MLFW) は、マスクのない顔からマスクされた顔を自動的に生成するツールである。
SOTAモデルの認識精度は、元の画像の精度と比較して、MLFWデータベース上で5%-16%低下する。
論文 参考訳（メタデータ） (2021-09-13T09:30:10Z) - Contrastive Context-Aware Learning for 3D High-Fidelity Mask Face
Presentation Attack Detection [103.7264459186552]
顔認識システムには、顔提示攻撃検出(PAD)が不可欠である。
ほとんどの既存の3DマスクPADベンチマークにはいくつかの欠点があります。
現実世界のアプリケーションとのギャップを埋めるために、大規模なハイファイアリティマスクデータセットを紹介します。
論文 参考訳（メタデータ） (2021-04-13T12:48:38Z) - Deep Learning Framework to Detect Face Masks from Video Footage [0.0]
深層学習を用いて映像中の顔のマスクを検出する手法を提案する。
提案フレームワークは,MTCNN顔検出モデルを利用して,映像フレームに存在する顔とそれに対応する顔のランドマークを識別する。
提案手法は,高い精度,リコール,精度を達成し,顔のマスク検出に有効であることを示した。
論文 参考訳（メタデータ） (2020-11-04T16:02:03Z) - MaskedFace-Net -- A Dataset of Correctly/Incorrectly Masked Face Images
in the Context of COVID-19 [2.7528170226206443]
マスクの着用は、新型コロナウイルスの感染拡大を制限する解決策として現れる。
このタスクを行うためには,マスクを着用している人やマスクを着用していない人を検出するために,深層学習モデルの訓練にマスク付き顔の大規模なデータセットが必要である。
マスクされた顔の大規模なデータセットが文献で公開されているが、現在、検出されたマスクされた顔が正しく着用されているかどうかを確認できるマスクされた顔画像の大規模なデータセットは存在しない。
論文 参考訳（メタデータ） (2020-08-18T16:38:11Z) - RetinaFaceMask: A Single Stage Face Mask Detector for Assisting Control
of the COVID-19 Pandemic [1.2691047660244335]
感染防止策の1つは、公共の場でマスクを着用することである。
特定の公共サービスプロバイダは、マスクを適切に着用する場合のみ、クライアントにサービスを使用するように要求する。
しかし、マスクの自動検出に関する研究はごくわずかである。
我々は,初の高性能単段マスク検出器であるRetinaFaceMaskを提案した。
論文 参考訳（メタデータ） (2020-05-08T10:45:16Z) - 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)
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。