論文の概要: Improving Face Recognition with Large Age Gaps by Learning to Distinguish Children

• arxiv url: http://arxiv.org/abs/2110.11630v1
• Date: Fri, 22 Oct 2021 07:31:14 GMT
• ステータス: 処理完了
• システム内更新日: 2021-10-25 23:33:11.054785
• Title: Improving Face Recognition with Large Age Gaps by Learning to Distinguish Children
• Title（参考訳）: 子どもの区別学習による高齢者ギャップによる顔認識の改善
• Authors: Jungsoo Lee, Jooyeol Yun, Sunghyun Park, Yonggyu Kim, Jaegul Choo
• Abstract要約: 本稿では,子像間の類似度を最小限に抑える新たな損失関数であるInter-Prototype Losingを提案する。 実験と詳細な分析により,既存の顔認識のベースラインを子どもと大人のペアで上回る結果が得られた。
• 参考スコア（独自算出の注目度）: 18.035138944233367
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Despite the unprecedented improvement of face recognition, existing face recognition models still show considerably low performances in determining whether a pair of child and adult images belong to the same identity. Previous approaches mainly focused on increasing the similarity between child and adult images of a given identity to overcome the discrepancy of facial appearances due to aging. However, we observe that reducing the similarity between child images of different identities is crucial for learning distinct features among children and thus improving face recognition performance in child-adult pairs. Based on this intuition, we propose a novel loss function called the Inter-Prototype loss which minimizes the similarity between child images. Unlike the previous studies, the Inter-Prototype loss does not require additional child images or training additional learnable parameters. Our extensive experiments and in-depth analyses show that our approach outperforms existing baselines in face recognition with child-adult pairs. Our code and newly-constructed test sets of child-adult pairs are available at https://github.com/leebebeto/Inter-Prototype.
• Abstract（参考訳）: 前例のない顔認証の改善にもかかわらず、既存の顔認識モデルは、一対の子供と成人の画像が同一のアイデンティティに属するかどうかを判断する上で、かなり低い性能を示す。 従来のアプローチは主に、年齢による顔の外観の相違を克服するために、特定のアイデンティティの子供と大人のイメージの類似性を高めることに焦点を当てていた。 しかし、異なるアイデンティティの児童像の類似度を減らすことは、子どもの異なる特徴を学習し、子どもと大人のペアの顔認識性能を向上させるために重要である。 この直観に基づいて,子ども画像間の類似性を最小化するプロトタイプ間損失と呼ばれる新しい損失関数を提案する。 以前の研究とは異なり、プロトタイプ間の損失は、追加の子供イメージや学習可能なパラメータのトレーニングを必要としない。 より広範な実験と詳細な分析により,既存の顔認識のベースラインと親子関係のペアを比較検討した。 私たちのコードと新たに構築された子育てペアのテストセットはhttps://github.com/leebebeto/Inter-Prototype.comで公開されています。

関連論文リスト

• Cross-Age Contrastive Learning for Age-Invariant Face Recognition [29.243096587091575]
  年齢差の顔画像は一般的に収集が困難で費用がかかる。 異なる年齢の同じ被験者の画像は通常入手が困難または不可能である。 クロスエイジコントラスト学習(CACon)という,新たな半教師付き学習手法を提案する。
  論文  参考訳（メタデータ） (2023-12-18T13:41:21Z)
• Young Labeled Faces in the Wild (YLFW): A Dataset for Children Faces Recognition [0.0]
  子どもの顔認識のためのベンチマークデータセットを,LFW, CALFW, CPLFW, XQLFW, AgeDBといった有名な顔認識ベンチマークと同様にコンパイルする。 また、子供の顔画像に顔認識モデルを適用するための開発データセットも提示する。
  論文  参考訳（メタデータ） (2023-01-13T22:19:44Z)
• Deep Adaptation of Adult-Child Facial Expressions by Fusing Landmark Features [0.6219950137166257]
  深層畳み込みニューラルネットワークは、成人の表情の分類において有望な結果を示す。 本研究では, BEACE-BE-SELF (BEtaMix Selected Landmark Features) を用いた適応型FACial Expressionsを提案する。
  論文  参考訳（メタデータ） (2022-09-18T17:29:36Z)
• 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)
• Towards Intrinsic Common Discriminative Features Learning for Face Forgery Detection using Adversarial Learning [59.548960057358435]
  本稿では, 対人学習を利用して, 異なる偽造法と顔の同一性による負の効果を除去する手法を提案する。 我々の顔偽造検出モデルは、偽造法や顔の同一性の影響を排除し、共通の識別的特徴を抽出することを学ぶ。
  論文  参考訳（メタデータ） (2022-07-08T09:23:59Z)
• Face Recognition In Children: A Longitudinal Study [3.3504365823045044]
  幼児の短年齢群における顔認識システムの性能を解析するためのヤングフェイスエイジングデータセットについて紹介する。 以上の結果から,YFAおよびMagFaceを用いた顔認証実験は,6カ月間,36ヵ月間,0.1% FARで98.3%,94.9%のTARを示した。
  論文  参考訳（メタデータ） (2022-04-04T18:00:45Z)
• Adults as Augmentations for Children in Facial Emotion Recognition with Contrastive Learning [1.0323063834827415]
  本研究では,子どもの表情認識におけるデータ不足を克服するために,データ強化に基づくコントラスト学習の適用について検討した。 成人の表情画像と子どもの表情画像とを併用する方法について検討した。
  論文  参考訳（メタデータ） (2022-02-10T17:43:11Z)
• Heredity-aware Child Face Image Generation with Latent Space Disentanglement [96.92684978356425]
  本研究では,子育てに先立つ親のイメージに基づいて子どものイメージを生成するための,子育てという新しいアプローチを提案する。 第一の考え方は、事前訓練された生成モデルの潜伏空間を乱し、明確な意味論で児童画像の顔属性を正確に制御することである。
  論文  参考訳（メタデータ） (2021-08-25T06:59:43Z)
• 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)
• Identity and Attribute Preserving Thumbnail Upscaling [93.38607559281601]
  我々は、人物の低解像度サムネイル画像を高解像度画像にアップスケールする作業を検討し、その人物のアイデンティティやその他の属性を保存する。 以上の結果から,顔の類似性認識とルックアライズ生成の改善に加えて,入力サムネイルのアイデンティティを保ち,人種や属性を維持できる高解像度画像を生成する能力の向上が示唆された。
  論文  参考訳（メタデータ） (2021-05-30T19:32:27Z)
• 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)

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。