論文の概要: Delving into High-Quality Synthetic Face Occlusion Segmentation Datasets
- arxiv url: http://arxiv.org/abs/2205.06218v1
- Date: Thu, 12 May 2022 17:03:57 GMT
- ステータス: 処理完了
- システム内更新日: 2022-05-13 13:09:15.609945
- Title: Delving into High-Quality Synthetic Face Occlusion Segmentation Datasets
- Title(参考訳): 高品質合成顔咬合セグメンテーションデータセットへの展開
- Authors: Kenny T. R. Voo, Liming Jiang, Chen Change Loy
- Abstract要約: そこで本研究では,高品質な自然主義的合成隠蔽顔を製造するための2つの手法を提案する。
両手法の有効性とロバスト性を実証的に示す。
我々は,RealOccとRealOcc-Wildという,微細なアノテーションを付加した高精細な実世界の顔データセットを2つ提示する。
- 参考スコア(独自算出の注目度): 83.749895930242
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: This paper performs comprehensive analysis on datasets for occlusion-aware
face segmentation, a task that is crucial for many downstream applications. The
collection and annotation of such datasets are time-consuming and
labor-intensive. Although some efforts have been made in synthetic data
generation, the naturalistic aspect of data remains less explored. In our
study, we propose two occlusion generation techniques, Naturalistic Occlusion
Generation (NatOcc), for producing high-quality naturalistic synthetic occluded
faces; and Random Occlusion Generation (RandOcc), a more general synthetic
occluded data generation method. We empirically show the effectiveness and
robustness of both methods, even for unseen occlusions. To facilitate model
evaluation, we present two high-resolution real-world occluded face datasets
with fine-grained annotations, RealOcc and RealOcc-Wild, featuring both careful
alignment preprocessing and an in-the-wild setting for robustness test. We
further conduct a comprehensive analysis on a newly introduced segmentation
benchmark, offering insights for future exploration.
- Abstract(参考訳): 本稿では,多くの下流アプリケーションにとって重要な課題である咬合対応顔セグメンテーションのためのデータセットの包括的解析を行う。
このようなデータセットの収集とアノテーションは時間がかかり、労力がかかる。
合成データ生成にはいくつかの取り組みがあるが、データの自然主義的な側面はいまだ研究されていない。
本研究では,高品質な自然主義的合成閉塞顔を生成するための自然主義的閉塞生成技術であるNatOccと,より一般的な合成閉塞データ生成手法であるランダム閉塞生成法(RandOcc)を提案する。
両方法の有効性とロバスト性について実験的に検討した。
モデル評価を容易にするために,RealOccとRealOcc-Wildの2つの高精細なアノテーションを用いた高精細な実世界の隠蔽顔データセットを提案する。
我々はさらに,新たに導入されたセグメント化ベンチマークの包括的な分析を行い,今後の調査への洞察を提供する。
関連論文リスト
- DRFLM: Distributionally Robust Federated Learning with Inter-client
Noise via Local Mixup [58.894901088797376]
連合学習は、生データをリークすることなく、複数の組織のデータを使用してグローバルモデルをトレーニングするための有望なアプローチとして登場した。
上記の2つの課題を同時に解決するための一般的な枠組みを提案する。
我々は、ロバストネス解析、収束解析、一般化能力を含む包括的理論的解析を提供する。
論文 参考訳(メタデータ) (2022-04-16T08:08:29Z) - Style-Hallucinated Dual Consistency Learning for Domain Generalized
Semantic Segmentation [117.3856882511919]
本稿では、ドメインシフトを処理するためのStyle-HAllucinated Dual consistEncy Learning(SHADE)フレームワークを提案する。
SHADEは3つの実世界のデータセットの平均mIoUに対して5.07%と8.35%の精度で改善し、最先端の手法よりも優れています。
論文 参考訳(メタデータ) (2022-04-06T02:49:06Z) - Generation and Simulation of Synthetic Datasets with Copulas [0.0]
本稿では,数値変数あるいは分類変数からなる合成データセットを生成するための完全かつ信頼性の高いアルゴリズムを提案する。
我々の方法論を2つのデータセットに適用すると、SMOTEやオートエンコーダといった他の手法よりも優れたパフォーマンスが得られる。
論文 参考訳(メタデータ) (2022-03-30T13:22:44Z) - CAFE: Learning to Condense Dataset by Aligning Features [72.99394941348757]
本稿ではCAFE(Aligning features)によるCondenseデータセットの新しいスキームを提案する。
このアプローチの核心は、さまざまなスケールにわたる実データと合成データから機能を整合させる効果的な戦略です。
提案したCAFEを様々なデータセットで検証し,概ね最先端技術であることを示す。
論文 参考訳(メタデータ) (2022-03-03T05:58:49Z) - On Recognizing Occluded Faces in the Wild [10.420394952839242]
我々は、Real World Occluded Facesデータセットを提示する。
このデータセットは、両方の上面を持つ顔を含む。
サングラスと下面が原因です
マスクで閉ざされた
モデルが合成閉塞面上で試験された場合, 性能低下ははるかに小さいことが観察された。
論文 参考訳(メタデータ) (2021-09-08T14:20:10Z) - Learning Optimal Prescriptive Trees from Observational Data [9.114609933528174]
観察データから最適規範木(二分木という形でパーソナライズされた待遇方針)を適度な深さで学習する問題を考察する。
混合整数最適化(MIO)技術を用いて最適規範木を学習する手法を提案する。
論文 参考訳(メタデータ) (2021-08-31T05:38:36Z) - On the use of automatically generated synthetic image datasets for
benchmarking face recognition [2.0196229393131726]
GAN(Generative Adversarial Networks)の最近の進歩は、実際のデータセットを合成データセットで置き換える経路を提供する。
現実的な顔画像を合成するためのGAN(Generative Adversarial Networks)の最近の進歩は、実際のデータセットを合成データセットで置き換える経路を提供する。
合成データセットのベンチマーク結果は、良い置換であり、多くの場合、実際のデータセットのベンチマークと同様のエラー率とシステムランキングを提供する。
論文 参考訳(メタデータ) (2021-06-08T09:54:02Z) - Secrets of 3D Implicit Object Shape Reconstruction in the Wild [92.5554695397653]
コンピュータビジョン、ロボティクス、グラフィックスの様々な用途において、高精細な3Dオブジェクトをスパースから再構築することは重要です。
最近の神経暗黙的モデリング法は、合成データセットまたは高密度データセットで有望な結果を示す。
しかし、粗末でノイズの多い実世界のデータではパフォーマンスが悪い。
本論文では, 一般的な神経暗黙モデルの性能低下の根本原因を解析する。
論文 参考訳(メタデータ) (2021-01-18T03:24:48Z) - Unsupervised Opinion Summarization with Content Planning [58.5308638148329]
要約モデルにコンテンツプランニングを明示的に組み込むことで、より高い品質のアウトプットが得られることを示す。
また、より自然な合成データセットを作成し、実世界の文書と要約のペアに似ている。
当社のアプローチは,情報的,一貫性,流動的な要約を生成する上で,競争モデルよりも優れています。
論文 参考訳(メタデータ) (2020-12-14T18:41:58Z)
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。