論文の概要: EDFace-Celeb-1M: Benchmarking Face Hallucination with a Million-scale
Dataset
- arxiv url: http://arxiv.org/abs/2110.05031v1
- Date: Mon, 11 Oct 2021 06:53:24 GMT
- ステータス: 処理完了
- システム内更新日: 2021-10-12 18:00:45.210628
- Title: EDFace-Celeb-1M: Benchmarking Face Hallucination with a Million-scale
Dataset
- Title(参考訳): EDFace-Celeb-1M:数百万のデータセットによる顔の幻覚のベンチマーク
- Authors: Kaihao Zhang, Dongxu Li, Wenhan Luo, Jingyu Liu, Jiankang Deng, Wei
Liu, Stefanos Zafeiriou
- Abstract要約: 近年の深層顔の幻覚法は,超解像性難分解性顔画像において顕著な性能を示した。
したがって、これらのアルゴリズムが公衆の顔の幻覚データセット上でどのように機能するかは不明である。
本稿では,Ethnically Diverse Face データセット EDFace-Celeb-1M を構築し,顔幻覚のためのベンチマークタスクを設計する。
- 参考スコア(独自算出の注目度): 92.537021496096
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Recent deep face hallucination methods show stunning performance in
super-resolving severely degraded facial images, even surpassing human ability.
However, these algorithms are mainly evaluated on non-public synthetic
datasets. It is thus unclear how these algorithms perform on public face
hallucination datasets. Meanwhile, most of the existing datasets do not well
consider the distribution of races, which makes face hallucination methods
trained on these datasets biased toward some specific races. To address the
above two problems, in this paper, we build a public Ethnically Diverse Face
dataset, EDFace-Celeb-1M, and design a benchmark task for face hallucination.
Our dataset includes 1.7 million photos that cover different countries, with
balanced race composition. To the best of our knowledge, it is the largest and
publicly available face hallucination dataset in the wild. Associated with this
dataset, this paper also contributes various evaluation protocols and provides
comprehensive analysis to benchmark the existing state-of-the-art methods. The
benchmark evaluations demonstrate the performance and limitations of
state-of-the-art algorithms.
- Abstract(参考訳): 最近のディープフェイス幻覚法は、人間の能力を超越した、非常に分解性の高い顔画像の素晴らしいパフォーマンスを示している。
しかし、これらのアルゴリズムは主に非パブリックな合成データセットで評価される。
したがって、これらのアルゴリズムが公衆の顔幻覚データセットでどのように振る舞うかは不明である。
一方、既存のデータセットのほとんどは、人種の分布を十分に考慮していないため、これらのデータセットでトレーニングされた顔の幻覚は、特定の人種に偏っている。
上記の2つの問題に対処するため、本稿では、Ethnically Diverse Face データセット EDFace-Celeb-1M を構築し、顔幻覚のためのベンチマークタスクを設計する。
私たちのデータセットには、さまざまな国をカバーする170万枚の写真が含まれています。
私たちの知る限りでは、顔の幻覚データセットは世界で最大で一般公開されている。
本研究は, 各種評価プロトコルにも貢献し, 既存の最先端手法をベンチマークする包括的分析を行う。
ベンチマーク評価は最先端アルゴリズムの性能と限界を示している。
関連論文リスト
- DiffusionFace: Towards a Comprehensive Dataset for Diffusion-Based Face Forgery Analysis [71.40724659748787]
DiffusionFaceは、最初の拡散ベースのフェイスフォージェリーデータセットである。
非条件およびテキストガイドの顔画像生成、Img2Img、Inpaint、Diffusionベースの顔交換アルゴリズムなど、さまざまなフォージェリーカテゴリをカバーする。
重要なメタデータと、評価のための実世界のインターネットソースの偽顔画像データセットを提供する。
論文 参考訳(メタデータ) (2024-03-27T11:32:44Z) - Multi-Task Faces (MTF) Data Set: A Legally and Ethically Compliant
Collection of Face Images for Various Classification Tasks [3.1133049660590615]
最近のプライバシー規制は、人間の画像の収集と研究の方法を制限する。
人間の顔を含むいくつかのデータセットは、不十分なデータ収集方法のため、インターネットから削除されている。
本稿では,多面顔画像データセットであるMTF(Multi-Task Faces)について述べる。
論文 参考訳(メタデータ) (2023-11-20T16:19:46Z) - Benchmarking Algorithmic Bias in Face Recognition: An Experimental
Approach Using Synthetic Faces and Human Evaluation [24.35436087740559]
顔認識システムにおけるバイアスを測定する実験手法を提案する。
本手法は,ニューラルフェイスジェネレータを用いて合成顔を生成する。
我々は3つの研究グレードの顔認識モデルの人種と性別の偏りを定量的に評価する。
論文 参考訳(メタデータ) (2023-08-10T08:57:31Z) - Multiface: A Dataset for Neural Face Rendering [108.44505415073579]
本研究では,新しいマルチビュー,高解像度のヒューマン・フェイス・データセットであるMultifaceを提案する。
顔のパフォーマンスの高解像度同期映像をキャプチャする大規模なマルチカメラ装置であるMugsyを紹介する。
Multifaceの目的は、学術コミュニティにおける高品質データへのアクセシビリティのギャップを埋め、VRテレプレゼンスの研究を可能にすることである。
論文 参考訳(メタデータ) (2022-07-22T17:55:39Z) - Blind Face Restoration: Benchmark Datasets and a Baseline Model [63.053331687284064]
Blind Face Restoration (BFR) は、対応する低品質 (LQ) 入力から高品質 (HQ) の顔画像を構築することを目的としている。
EDFace-Celeb-1M (BFR128) と EDFace-Celeb-150K (BFR512) と呼ばれる2つのブラインドフェイス復元ベンチマークデータセットを最初に合成する。
最先端の手法は、ブラー、ノイズ、低解像度、JPEG圧縮アーティファクト、それらの組み合わせ(完全な劣化)の5つの設定でベンチマークされる。
論文 参考訳(メタデータ) (2022-06-08T06:34:24Z) - Meta Balanced Network for Fair Face Recognition [51.813457201437195]
我々は、データとアルゴリズムの両方の側面からバイアスを体系的に科学的に研究する。
本稿では,メタバランスネットワーク(MBN)と呼ばれるメタ学習アルゴリズムを提案する。
大規模な実験により、MBNは偏見を緩和し、顔認識において異なる肌のトーンを持つ人々に対してよりバランスの取れたパフォーマンスを学ぶことができた。
論文 参考訳(メタデータ) (2022-05-13T10:25:44Z) - Escaping Data Scarcity for High-Resolution Heterogeneous Face
Hallucination [68.78903256687697]
Heterogeneous Face Recognition (HFR) では、視覚や熱といった2つの異なる領域にまたがる顔のマッチングが目的である。
合成によるギャップを埋めようとする最近の手法は有望な結果を得たが、ペアトレーニングデータの不足により、その性能は依然として制限されている。
本稿では,HFRのための新しい顔幻覚パラダイムを提案する。これはデータ効率のよい合成を可能にするだけでなく,プライバシポリシーを破ることなくモデルトレーニングのスケールアップを可能にする。
論文 参考訳(メタデータ) (2022-03-30T20:44:33Z) - FaceOcc: A Diverse, High-quality Face Occlusion Dataset for Human Face
Extraction [3.8502825594372703]
隠蔽は野生の顔画像にしばしば発生し、ランドマーク検出や3D再構成、顔認識といった顔関連の課題に悩まされる。
本稿では,CelebA本社とインターネットから手動で顔の隠蔽をラベル付けした新しい顔のセグメンテーションデータセットを提案する。
簡単な顔分割モデルの訓練を行ったが,SOTA性能が得られ,提案したデータセットの有効性を実証した。
論文 参考訳(メタデータ) (2022-01-20T19:44:18Z) - On Recognizing Occluded Faces in the Wild [10.420394952839242]
我々は、Real World Occluded Facesデータセットを提示する。
このデータセットは、両方の上面を持つ顔を含む。
サングラスと下面が原因です
マスクで閉ざされた
モデルが合成閉塞面上で試験された場合, 性能低下ははるかに小さいことが観察された。
論文 参考訳(メタデータ) (2021-09-08T14:20:10Z) - Dataset Cleaning -- A Cross Validation Methodology for Large Facial
Datasets using Face Recognition [0.40611352512781856]
近年、顔検出、顔認識、その他のタスクの進歩を促進するために、大規模な「野生の」顔データセットがリリースされた。
これらのデータセットの収集方法が自動的であり、そのサイズが大きいため、多くのIDフォルダにはデータセットの品質を劣化させる間違ったラベル付きサンプルが含まれている。
本研究では,音声認識を用いて,ノイズの多い顔データセットを半自動で浄化する手法を提案する。
論文 参考訳(メタデータ) (2020-03-24T13:01:13Z)
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。