論文の概要: Fun Selfie Filters in Face Recognition: Impact Assessment and Removal

• arxiv url: http://arxiv.org/abs/2202.06022v1
• Date: Sat, 12 Feb 2022 09:12:31 GMT
• ステータス: 処理完了
• システム内更新日: 2022-02-15 15:52:11.905185
• Title: Fun Selfie Filters in Face Recognition: Impact Assessment and Removal
• Title（参考訳）: 顔認識における楽しい自撮りフィルター:影響評価と除去
• Authors: Cristian Botezatu, Mathias Ibsen, Christian Rathgeb, Christoph Busch
• Abstract要約: 本研究では,楽しいセルフィーフィルタが顔認識システムに与える影響について検討する。 データベースを作成するために、関連する楽しいセルフィーフィルタが10個選択される。 このような不要な効果を軽減するため,GANに基づく自撮りフィルタ除去アルゴリズムを提案する。
• 参考スコア（独自算出の注目度）: 13.715060479044167
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: This work investigates the impact of fun selfie filters, which are frequently used to modify selfies, on face recognition systems. Based on a qualitative assessment and classification of freely available mobile applications, ten relevant fun selfie filters are selected to create a database. To this end, the selected filters are automatically applied to face images of public face image databases. Different state-of-the-art methods are used to evaluate the influence of fun selfie filters on the performance of face detection using dlib, RetinaFace, and a COTS method, sample quality estimated by FaceQNet and MagFace, and recognition accuracy employing ArcFace and a COTS algorithm. The obtained results indicate that selfie filters negatively affect face recognition modules, especially if fun selfie filters cover a large region of the face, where the mouth, nose, and eyes are covered. To mitigate such unwanted effects, a GAN-based selfie filter removal algorithm is proposed which consists of a segmentation module, a perceptual network, and a generation module. In a cross-database experiment the application of the presented selfie filter removal technique has shown to significantly improve the biometric performance of the underlying face recognition systems.
• Abstract（参考訳）: 本研究は、自撮りの修正に頻繁に使用される楽しい自撮りフィルターが顔認識システムに与える影響について検討する。 利用可能なモバイルアプリケーションの質的評価と分類に基づいて、データベースを作成するために10の関連する楽しい自撮りフィルタが選択される。 これにより、選択したフィルタは、公開顔画像データベースの顔画像に自動的に適用される。 Dlib, RetinaFace, COTS法, FaceQNet と MagFace で推定されたサンプル品質, ArcFace と COTS アルゴリズムによる認識精度, による顔検出性能への影響を評価するために, 最先端の異なる手法が用いられている。 その結果、セルフィーフィルターは顔認識モジュールに悪影響を及ぼすことが示され、特に口、鼻、目を覆う顔の広い領域を楽しいセルフィーフィルターがカバーする場合に顕著である。 このような不要な効果を軽減するため、セグメント化モジュール、知覚ネットワーク、生成モジュールからなるGANベースの自撮りフィルタ除去アルゴリズムを提案する。 データベース横断実験において,提案した自撮りフィルタ除去技術の適用により,基礎となる顔認識システムの生体特性が著しく向上することが示されている。

関連論文リスト

• FaceFilterSense: A Filter-Resistant Face Recognition and Facial Attribute Analysis Framework [1.673834743879962]
  面白い自撮りフィルターは、顔の生体認証システムの機能に大きく影響を与えている。 現在、顔のキーポイントを歪めているARベースのフィルターやフィルターは、最近流行し、裸眼でも顔が認識不能になっている。 これらの制約を緩和するため、我々は最新のフィルタの全体的影響分析を行い、フィルタ画像を用いたユーザ認識モデルを提案する。
  論文  参考訳（メタデータ） (2024-04-12T07:04:56Z)
• Exploring Decision-based Black-box Attacks on Face Forgery Detection [53.181920529225906]
  顔の偽造生成技術は鮮明な顔を生み出し、セキュリティとプライバシーに対する世間の懸念を高めている。 顔偽造検出は偽の顔の識別に成功しているが、最近の研究では顔偽造検出は敵の例に対して非常に脆弱であることが示されている。
  論文  参考訳（メタデータ） (2023-10-18T14:49:54Z)
• Has the Virtualization of the Face Changed Facial Perception? A Study of the Impact of Photo Editing and Augmented Reality on Facial Perception [7.532782211020641]
  顔フィルターの異なるスタイルの親しみやすさと、画像がフィルタリングされているかどうかを識別する能力に関する6つの調査結果を示す。 その結果、従来の顔フィルターで修正された顔は、修正されていない顔と同様に知覚されることがわかった。 本稿では、従来の写真編集技術に対する社会的な調整や、異なる種類のフィルタに固有の違いなど、これらの結果に対する説明の可能性について論じる。
  論文  参考訳（メタデータ） (2023-03-01T16:09:11Z)
• WSD: Wild Selfie Dataset for Face Recognition in Selfie Images [13.356502206849106]
  我々は、異なるスマートフォンのセルフィーカメラから画像をキャプチャするWild Selfieデータセット(WSD)を開発した。 WSDデータセットには42人の画像45,424枚が含まれている。 各被験者の平均画像数は1,082で、各被験者の最大画像数は518と2,634である。
  論文  参考訳（メタデータ） (2023-02-14T18:43:21Z)
• 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)
• LFW-Beautified: A Dataset of Face Images with Beautification and Augmented Reality Filters [53.180678723280145]
  いくつかの操作を含む顔画像のデータベースにコントリビュートする。 画像強調フィルター(コントラストや稲妻を主に修正する)や、動物の鼻や眼鏡などのアイテムを組み込んだ拡張現実フィルターが含まれている。 各データセットには、64×64の4,324枚の画像があり、合計34,592枚の画像がある。
  論文  参考訳（メタデータ） (2022-03-11T17:05:10Z)
• On the Effect of Selfie Beautification Filters on Face Detection and Recognition [53.561797148529664]
  ソーシャルメディア画像フィルターは、例えば人工眼鏡や動物の鼻で、画像コントラスト、照明、あるいは顔の一部を妨げる。 U-NETセグメンテーションネットワークの修正版を用いて適用操作を再構築する手法を開発した。 認識の観点からは、顔を認識するために訓練されたResNet-34ネットワークを用いて抽出された特徴に対して、距離測定と訓練された機械学習アルゴリズムを用いる。
  論文  参考訳（メタデータ） (2021-10-17T22:10:56Z)
• Face Anti-Spoofing by Learning Polarization Cues in a Real-World Scenario [50.36920272392624]
  顔の偽造は生体認証アプリケーションにおけるセキュリティ侵害を防ぐ鍵となる。 RGBと赤外線画像を用いたディープラーニング手法は,新たな攻撃に対する大量のトレーニングデータを必要とする。 本研究では,実顔の偏光画像の物理的特徴を自動的に学習することにより,現実のシナリオにおける顔のアンチ・スプーフィング手法を提案する。
  論文  参考訳（メタデータ） (2020-03-18T03:04:03Z)
• 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。