論文の概要: Face Verification with Challenging Imposters and Diversified Demographics

• arxiv url: http://arxiv.org/abs/2110.08667v1
• Date: Sat, 16 Oct 2021 21:34:59 GMT
• ステータス: 処理完了
• システム内更新日: 2021-10-19 16:32:43.095656
• Title: Face Verification with Challenging Imposters and Diversified Demographics
• Title（参考訳）: チャレージング・インポスタと多彩なデモグラフィックによる顔検証
• Authors: Adrian Popescu (1), Liviu-Daniel \c{S}tefan (2), J\'er\^ome Deshayes-Chossart (1), Bogdan Ionescu (2) ((1) Universit\'e Paris-Saclay, CEA, List, Palaiseau, France, (2) University Politehnica of Bucharest, Romania)
• Abstract要約: 顔認証は、同一または異なる同一の顔を含む、本物と偽の顔のペアを区別することを目的としている。 本稿では、性別、国、年齢に関連するメタデータを含む$FaVCI2D$データセットを紹介し、その結果のきめ細かい分析を容易にする。 既存のデータセットで100%近いパフォーマンスを提供する最先端のディープモデルによる実験は、$FaVCI2D$の大幅なパフォーマンス低下を示している。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by-nc-sa/4.0/
• Abstract: Face verification aims to distinguish between genuine and imposter pairs of faces, which include the same or different identities, respectively. The performance reported in recent years gives the impression that the task is practically solved. Here, we revisit the problem and argue that existing evaluation datasets were built using two oversimplifying design choices. First, the usual identity selection to form imposter pairs is not challenging enough because, in practice, verification is needed to detect challenging imposters. Second, the underlying demographics of existing datasets are often insufficient to account for the wide diversity of facial characteristics of people from across the world. To mitigate these limitations, we introduce the $FaVCI2D$ dataset. Imposter pairs are challenging because they include visually similar faces selected from a large pool of demographically diversified identities. The dataset also includes metadata related to gender, country and age to facilitate fine-grained analysis of results. $FaVCI2D$ is generated from freely distributable resources. Experiments with state-of-the-art deep models that provide nearly 100\% performance on existing datasets show a significant performance drop for $FaVCI2D$, confirming our starting hypothesis. Equally important, we analyze legal and ethical challenges which appeared in recent years and hindered the development of face analysis research. We introduce a series of design choices which address these challenges and make the dataset constitution and usage more sustainable and fairer. $FaVCI2D$ is available at~\url{https://github.com/AIMultimediaLab/FaVCI2D-Face-Verification-with-Challenging-Imposters-and-Diversif ied-Demographics}.
• Abstract（参考訳）: face verificationは、同一または異なるアイデンティティを含む真正と偽の対を区別することを目的としている。 近年報告されたパフォーマンスは、タスクが実際に解決されているという印象を与える。 ここでは、この問題を再考し、既存の評価データセットは2つの過剰な設計選択を用いて構築されていると論じる。 まず、イモスタペアを形成するための通常のアイデンティティ選択は、実際には、挑戦的なインポスタを検出するために検証が必要であるため、それほど難しくはない。 第2に、既存のデータセットの基盤となる層は、世界中の人々の顔特性の多様性を考慮に入れていないことが多い。 これらの制限を軽減するために、$FaVCI2D$データセットを導入します。 インポスタペアは、人口統計学的に多様なアイデンティティのプールから選択された視覚的に類似した顔を含むため、難しい。 データセットには、結果の詳細な分析を容易にするために、性別、国、年齢に関するメタデータも含まれている。 $FaVCI2D$は、自由に配布可能なリソースから生成される。 既存のデータセットで100\%近いパフォーマンスを提供する最先端のディープモデルによる実験は、favci2d$の大幅なパフォーマンス低下を示しており、開始仮説を確認しています。 また,近年出現した法的・倫理的課題についても分析し,顔分析研究の進展を妨げた。 これらの課題に対処する一連の設計選択を導入し、データセットの構成と使用をより持続的で公平なものにします。 favci2d$は、~\url{https://github.com/aimultimedialab/favci2d-face-verification-with-challenging-imposters-and-diversif ied-demographics}で利用可能である。

関連論文リスト

• ID$^3$: Identity-Preserving-yet-Diversified Diffusion Models for Synthetic Face Recognition [60.15830516741776]
  合成顔認識(SFR)は、実際の顔データの分布を模倣するデータセットを生成することを目的としている。 拡散燃料SFRモデルであるtextID3$を紹介します。 textID3$はID保存損失を利用して、多様だがアイデンティティに一貫性のある顔の外観を生成する。
  論文  参考訳（メタデータ） (2024-09-26T06:46:40Z)
• Leveraging Synthetic Data for Generalizable and Fair Facial Action Unit Detection [9.404202619102943]
  本稿では,合成データとマルチソースドメイン適応(MSDA)を用いて,ラベル付きデータの不足や対象の多様性の問題に対処することを提案する。 具体的には,合成表情再ターゲティングにより多様なデータセットを生成することを提案する。 ジェンダーフェアネスをさらに向上させるために、PM2は実際のデータの特徴と女性と男性の合成画像とを一致させる。
  論文  参考訳（メタデータ） (2024-03-15T23:50:18Z)
• Wild Face Anti-Spoofing Challenge 2023: Benchmark and Results [73.98594459933008]
  顔認証システム(FAS)は、顔認識システムの完全性を保護するための重要なメカニズムである。 この制限は、公開可能なFASデータセットの不足と多様性の欠如に起因する可能性がある。 制約のない環境で収集された大規模で多様なFASデータセットであるWild Face Anti-Spoofingデータセットを紹介した。
  論文  参考訳（メタデータ） (2023-04-12T10:29:42Z)
• Learning Feature Recovery Transformer for Occluded Person Re-identification [71.18476220969647]
  本稿では,FRT(Feature Recovery Transformer)と呼ばれる2つの課題を同時に解決する手法を提案する。 特徴マッチング時のノイズの干渉を低減するため,両画像に現れる可視領域に着目し,類似性を計算するための可視グラフを開発した。 2つ目の課題は、グラフの類似性に基づいて、各クエリ画像に対して、ギャラリー内の$k$-nearestの隣人の特徴セットを利用して、完全な特徴を復元するリカバリトランスフォーマを提案することである。
  論文  参考訳（メタデータ） (2023-01-05T02:36:16Z)
• My Face My Choice: Privacy Enhancing Deepfakes for Social Media Anonymization [4.725675279167593]
  仮説的ソーシャルネットワークに3つの顔アクセスモデルを導入し、ユーザーが承認した写真にのみ現れる能力を持つ。 我々のアプローチは、現在のタグ付けシステムを廃止し、未承認の顔を定量的に異なるディープフェイクに置き換える。 その結果,7つのSOTA顔認識器を動作させることで,平均精度を61%削減できることがわかった。
  論文  参考訳（メタデータ） (2022-11-02T17:58:20Z)
• Assessing Demographic Bias Transfer from Dataset to Model: A Case Study in Facial Expression Recognition [1.5340540198612824]
  2つのメトリクスはデータセットの表現バイアスとステレオタイプバイアスに焦点をあて、もう1つはトレーニングされたモデルの残差バイアスに焦点を当てている。 本稿では、一般的なAffectnetデータセットに基づくFER問題に適用することで、メトリクスの有用性を示す。
  論文  参考訳（メタデータ） (2022-05-20T09:40:42Z)
• Few-shot Partial Multi-view Learning [103.33865779721458]
  本稿では,複数ショット部分的多視点学習という新しい課題を提案する。 それは、低データ体制におけるビューミス問題によるネガティブな影響を克服することに焦点を当てている。 提案手法を評価するため,広範囲な実験を行った。
  論文  参考訳（メタデータ） (2021-05-05T13:34:43Z)
• Diverse Knowledge Distillation for End-to-End Person Search [81.4926655119318]
  人物検索は、画像ギャラリーから特定の人物をローカライズし識別することを目的としている。 最近の手法は2つのグループ、すなわち2段階とエンドツーエンドのアプローチに分類できる。 ボトルネックを解消するために、多様な知識蒸留を備えたシンプルで強力なエンドツーエンドネットワークを提案します。
  論文  参考訳（メタデータ） (2020-12-21T09:04:27Z)
• Robust Character Labeling in Movie Videos: Data Resources and Self-supervised Feature Adaptation [39.373699774220775]
  我々は、240のハリウッド映画と弱いラベルでキュレートされた169,000以上のフェイストラックのデータセットを提示する。 これらのトラックからハードサンプルをマイニングするために,埋め込み空間の近傍探索に基づくオフラインアルゴリズムを提案する。 全体として、多視点相関に基づく適応はより差別的で堅牢な顔埋め込みをもたらす。
  論文  参考訳（メタデータ） (2020-08-25T22:07:41Z)
• Cross-ethnicity Face Anti-spoofing Recognition Challenge: A Review [79.49390241265337]
  Chalearn Face Anti-Spoofing Detection Challengeは、シングルモーダル(例えば、RGB)とマルチモーダル(例えば、RGB、Depth、赤外線(IR))のトラックで構成されている。 本稿では,その設計,評価プロトコル,結果の概要など,課題の概要について述べる。
  論文  参考訳（メタデータ） (2020-04-23T06:43:08Z)

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。