論文の概要: Rethinking Portrait Matting with Privacy Preserving

• arxiv url: http://arxiv.org/abs/2203.16828v2
• Date: Mon, 17 Apr 2023 00:19:30 GMT
• ステータス: 処理完了
• システム内更新日: 2023-04-19 00:53:28.053455
• Title: Rethinking Portrait Matting with Privacy Preserving
• Title（参考訳）: プライバシー保護でポートレート・マットリングを再考
• Authors: Sihan Ma, Jizhizi Li, Jing Zhang, He Zhang, Dacheng Tao
• Abstract要約: P3M-10kは、プライバシ保存ポートレートマッチング(P3M)のための最初の大規模匿名化ベンチマークである。 P3M-10kは10,421枚の高解像度の顔黒の肖像画と高品質のアルファマットで構成されている。 また、CNNとトランスフォーマーの両バックボーンに互換性のあるP3M-Netと呼ばれる統合マッティングモデルを提案する。
• 参考スコア（独自算出の注目度）: 79.37601060952201
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Recently, there has been an increasing concern about the privacy issue raised by identifiable information in machine learning. However, previous portrait matting methods were all based on identifiable images. To fill the gap, we present P3M-10k, which is the first large-scale anonymized benchmark for Privacy-Preserving Portrait Matting (P3M). P3M-10k consists of 10,421 high resolution face-blurred portrait images along with high-quality alpha mattes, which enables us to systematically evaluate both trimap-free and trimap-based matting methods and obtain some useful findings about model generalization ability under the privacy preserving training (PPT) setting. We also present a unified matting model dubbed P3M-Net that is compatible with both CNN and transformer backbones. To further mitigate the cross-domain performance gap issue under the PPT setting, we devise a simple yet effective Copy and Paste strategy (P3M-CP), which borrows facial information from public celebrity images and directs the network to reacquire the face context at both data and feature level. Extensive experiments on P3M-10k and public benchmarks demonstrate the superiority of P3M-Net over state-of-the-art methods and the effectiveness of P3M-CP in improving the cross-domain generalization ability, implying a great significance of P3M for future research and real-world applications.
• Abstract（参考訳）: 近年,機械学習における識別可能な情報によるプライバシー問題への懸念が高まっている。 しかし、過去の肖像画マッチング手法はすべて識別可能な画像に基づいていた。 p3m-10kは、プライバシ保存型ポートレートマットリング(p3m)のための最初の大規模匿名化ベンチマークである。 P3M-10kは10,421枚の高解像度の顔黒のポートレート画像と高品質のアルファマットで構成されており、トリマップフリーおよびトリマップベースのマット法の両方を体系的に評価し、プライバシ保護トレーニング(PPT)設定下でのモデル一般化能力に関する有用な知見を得ることができる。 また、CNNとトランスフォーマーの両バックボーンに互換性のあるP3M-Netと呼ばれる統合マッティングモデルを提案する。 PPT設定下でのクロスドメインパフォーマンスギャップ問題を緩和するため、公衆の有名画像から顔情報を借り、ネットワークにデータと特徴レベルの顔コンテキストの再取得を指示するシンプルで効果的なコピー&ペースト戦略(P3M-CP)を考案した。 p3m-10kとパブリックベンチマークに関する広範な実験は、p3m-netが最先端の手法よりも優れていることや、p3m-cpがクロスドメインの一般化能力を向上させることの有効性を示している。

関連論文リスト

• PF-LRM: Pose-Free Large Reconstruction Model for Joint Pose and Shape Prediction [77.89935657608926]
  画像から3Dオブジェクトを再構成するためのPF-LRM(Pose-Free Large Restruction Model)を提案する。 PF-LRMは1つのA100 GPU上で1.3秒で相対カメラのポーズを同時に推定する。
  論文  参考訳（メタデータ） (2023-11-20T18:57:55Z)
• Learning Pixel-Adaptive Weights for Portrait Photo Retouching [1.9843222704723809]
  ポートレート写真リタッチ(Portrait photo retouching)は、人間の領域の優先度とグループレベルの一貫性を強調する写真リタッチタスクである。 本稿では,局所的なコンテキストキューをモデル化し,手直し品質を明示的に改善する。 PPR10Kデータセットの実験により,本手法の有効性が検証された。
  論文  参考訳（メタデータ） (2021-12-07T07:23:42Z)
• Facial Depth and Normal Estimation using Single Dual-Pixel Camera [81.02680586859105]
  DP指向のDepth/Normalネットワークを導入し,3次元顔形状を再構成する。 これは、メートル法スケールでの深度マップと表面正規を含む、対応する地上3次元モデルを含んでいる。 近年のDPベース深度/正規推定法で最先端の性能を実現している。
  論文  参考訳（メタデータ） (2021-11-25T05:59:27Z)
• Direct Multi-view Multi-person 3D Pose Estimation [138.48139701871213]
  マルチビュー画像からマルチパーソン3Dポーズを推定するためのMulti-view Pose Transformer(MvP)を提案する。 MvPは、中間タスクに頼ることなく、複数の人物の3Dポーズを直接クリーンで効率的な方法で回帰する。 我々は,MvPモデルがより効率的でありながら,いくつかのベンチマークにおいて最先端の手法よりも優れていることを示す。
  論文  参考訳（メタデータ） (2021-11-07T13:09:20Z)
• Highly Efficient Natural Image Matting [15.977598189574659]
  軽量モデルを用いたトリマップフリーな自然画像マッチング手法を提案する。 非常に軽量なモデルを構築し、人気のある自然画像ベンチマーク上で1% (344k) の大規模モデルで同等の性能を実現する。
  論文  参考訳（メタデータ） (2021-10-25T09:23:46Z)
• Privacy-Preserving Portrait Matting [73.98225485513905]
  P3M-10kは、プライバシー保護ポートレートマットのための最初の大規模な匿名化ベンチマークです。 P3M-10kは1万枚の高解像度顔写真と高品質のアルファマットで構成されています。 意味認識と詳細マッチングの両方に統一されたフレームワークのパワーを利用するP3M-Netを提案する。
  論文  参考訳（メタデータ） (2021-04-29T09:20:19Z)
• Inducing Predictive Uncertainty Estimation for Face Recognition [102.58180557181643]
  顔画像の「マッドペア」から画像品質訓練データを自動的に生成する手法を提案する。 生成したデータを用いて、顔画像の信頼度を推定するために、PCNetと呼ばれる軽量な予測信頼ネットワークを訓練する。
  論文  参考訳（メタデータ） (2020-09-01T17:52:00Z)
• Plug-and-Play Rescaling Based Crowd Counting in Static Images [24.150701096083242]
  我々は,新しいイメージパッチ再スケーリングモジュール (PRM) と3つの独立したPRMを用いたクラウドカウント手法を提案する。 提案するフレームワークは,PRMモジュールを用いて特別な処理を必要とする画像領域(パッチ)を再スケールする。
  論文  参考訳（メタデータ） (2020-01-06T21:43:25Z)

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。