論文の概要: Automatic Facial Skin Feature Detection for Everyone

• arxiv url: http://arxiv.org/abs/2203.16056v1
• Date: Wed, 30 Mar 2022 04:52:54 GMT
• ステータス: 処理完了
• システム内更新日: 2022-03-31 15:06:35.236635
• Title: Automatic Facial Skin Feature Detection for Everyone
• Title（参考訳）: 顔の皮膚を自動的に検出する
• Authors: Qian Zheng, Ankur Purwar, Heng Zhao, Guang Liang Lim, Ling Li, Debasish Behera, Qian Wang, Min Tan, Rizhao Cai, Jennifer Werner, Dennis Sng, Maurice van Steensel, Weisi Lin, Alex C Kot
• Abstract要約: 本研究では,野生の自撮り自撮りのために,さまざまな肌のトーンと年齢群にまたがって機能する顔顔の特徴自動検出法を提案する。 具体的には,肌の色,重度度,照明条件の異なる自撮り画像に対して,アクネ,顔料,ニキビの位置を注釈する。
• 参考スコア（独自算出の注目度）: 60.31670960526022
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Automatic assessment and understanding of facial skin condition have several applications, including the early detection of underlying health problems, lifestyle and dietary treatment, skin-care product recommendation, etc. Selfies in the wild serve as an excellent data resource to democratize skin quality assessment, but suffer from several data collection challenges.The key to guaranteeing an accurate assessment is accurate detection of different skin features. We present an automatic facial skin feature detection method that works across a variety of skin tones and age groups for selfies in the wild. To be specific, we annotate the locations of acne, pigmentation, and wrinkle for selfie images with different skin tone colors, severity levels, and lighting conditions. The annotation is conducted in a two-phase scheme with the help of a dermatologist to train volunteers for annotation. We employ Unet++ as the network architecture for feature detection. This work shows that the two-phase annotation scheme can robustly detect the accurate locations of acne, pigmentation, and wrinkle for selfie images with different ethnicities, skin tone colors, severity levels, age groups, and lighting conditions.
• Abstract（参考訳）: 顔の皮膚状態の自動評価と理解には、基礎疾患の早期発見、ライフスタイルと食事療法、スキンケア製品推奨など、いくつかの応用がある。 自然界の自撮りは、肌質評価の民主化に優れたデータ資源として機能するが、いくつかのデータ収集課題に悩まされており、正確な評価を保証する鍵は、皮膚の特徴の正確な検出である。 本研究では,野生の自撮り自撮りのために,さまざまな肌のトーンと年齢群にまたがって機能する顔顔の特徴自動検出法を提案する。 具体的には,肌の色,重度度,照明条件の異なる自撮り画像に対して,アクネ,顔料,ニキビの位置を注釈する。 このアノテーションは、皮膚科医の助けを借りて、アノテーションのためにボランティアを訓練する2段階のスキームで行われる。 機能検出のネットワークアーキテクチャとしてUnet++を採用している。 本研究は, 肌色, 重症度, 年齢, 照明条件の異なる自撮り画像に対して, 発色, 色素沈着, しわの正確な位置を2相アノテーションによりロバストに検出できることを示す。

関連論文リスト

• FairSkin: Fair Diffusion for Skin Disease Image Generation [54.29840149709033]
  拡散モデル (DM) は, 合成医用画像の生成において主要な手法となっているが, 臨界二倍偏差に悩まされている。 このようなバイアスを3段階のリサンプリング機構によって緩和する新しいDMフレームワークであるFairSkinを提案する。 本手法は, 画像の多様性と品質を著しく向上させ, 臨床環境における皮膚疾患の検出精度の向上に寄与する。
  論文  参考訳（メタデータ） (2024-10-29T21:37:03Z)
• Equitable Skin Disease Prediction Using Transfer Learning and Domain Adaptation [1.9505972437091028]
  皮膚科学における既存の人工知能(AI)モデルは、様々な皮膚のトーンで病気を正確に診断する上で困難に直面している。 我々は、様々な画像領域からのリッチでトランスファー可能な知識を活かしたトランスファーラーニングアプローチを採用する。 あらゆる手法の中で、Med-ViTは様々な画像ソースから学んだ包括的な特徴表現のためにトップパフォーマーとして登場した。
  論文  参考訳（メタデータ） (2024-09-01T23:48:26Z)
• Optimizing Skin Lesion Classification via Multimodal Data and Auxiliary Task Integration [54.76511683427566]
  本研究は, スマートフォンで撮影した画像と本質的な臨床および人口統計情報を統合することで, 皮膚病変を分類する新しいマルチモーダル手法を提案する。 この手法の特徴は、超高解像度画像予測に焦点を当てた補助的なタスクの統合である。 PAD-UFES20データセットを用いて,様々なディープラーニングアーキテクチャを用いて実験を行った。
  論文  参考訳（メタデータ） (2024-02-16T05:16:20Z)
• DDI-CoCo: A Dataset For Understanding The Effect Of Color Contrast In Machine-Assisted Skin Disease Detection [51.92255321684027]
  皮膚のトーンと色差効果の相互作用について検討し,色差が皮膚のトーン間のモデル性能バイアスの新たな原因となる可能性が示唆された。 我々の研究は皮膚疾患の検出を改善するために皮膚科のAIに補完的な角度を提供する。
  論文  参考訳（メタデータ） (2024-01-24T07:45:24Z)
• FaceSkin: A Privacy Preserving Facial skin patch Dataset for multi Attributes classification [0.9282594860064426]
  さまざまな年齢や人種を含むFaceSkinというデータセットを紹介します。 印刷紙,リプレイ,3Dマスクを含む2Dおよび3D攻撃画像から得られた合成皮膚パッチを組み込んだ。 属性分類におけるFaceSkinデータセットの評価と,その有効性を示す実験結果について述べる。
  論文  参考訳（メタデータ） (2023-08-09T07:53:33Z)
• 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)
• Analysis of Manual and Automated Skin Tone Assignments for Face Recognition Applications [8.334167427229572]
  顔画像から皮膚のトーンを自動的に推定するために,手動Fitzpatrickスキンタイプ割り当てのセットを分析し,個別のタイポロジーアングルを用いた。 自動アプローチと手動アプローチの一致レベルは、MORPH画像の96%以上であることが判明しました。
  論文  参考訳（メタデータ） (2021-04-29T22:35:47Z)
• Evaluating Deep Neural Networks Trained on Clinical Images in Dermatology with the Fitzpatrick 17k Dataset [0.23746609573239755]
  このデータセットは、フィッツパトリック皮膚型ラベルを持つ2つの皮膚学アトラスから得られた16,577の臨床画像を含む。 我々は、深層ニューラルネットワークモデルをトレーニングし、114の皮膚条件を分類し、トレーニングされたものと類似した皮膚タイプで最も正確なモデルを見つける。
  論文  参考訳（メタデータ） (2021-04-20T13:37:30Z)

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。