論文の概要: An Efficient Method for Face Quality Assessment on the Edge
- arxiv url: http://arxiv.org/abs/2207.09505v1
- Date: Tue, 19 Jul 2022 18:29:43 GMT
- ステータス: 処理完了
- システム内更新日: 2022-07-21 13:15:01.107042
- Title: An Efficient Method for Face Quality Assessment on the Edge
- Title(参考訳): エッジの面品質評価のための効率的手法
- Authors: Sefa Burak Okcu, Burak O\u{g}uz \"Ozkalayc{\i} and Cevahir
\c{C}{\i}\u{g}la
- Abstract要約: エッジデバイスに対する実践的なアプローチは、認識への適合性に応じて、これらのアイデンティティの検出を優先すべきである。
顔のランドマーク検出ネットワークに1つの層を付加するだけで、顔の品質スコアの回帰が提案される。
追加のコストがほとんどないため、顔の品質スコアは、この単一の層をトレーニングすることで得られる。
- 参考スコア(独自算出の注目度): 1.7188280334580197
- License: http://creativecommons.org/licenses/by-nc-sa/4.0/
- Abstract: Face recognition applications in practice are composed of two main steps:
face detection and feature extraction. In a sole vision-based solution, the
first step generates multiple detection for a single identity by ingesting a
camera stream. A practical approach on edge devices should prioritize these
detection of identities according to their conformity to recognition. In this
perspective, we propose a face quality score regression by just appending a
single layer to a face landmark detection network. With almost no additional
cost, face quality scores are obtained by training this single layer to regress
recognition scores with surveillance like augmentations. We implemented the
proposed approach on edge GPUs with all face detection pipeline steps,
including detection, tracking, and alignment. Comprehensive experiments show
the proposed approach's efficiency through comparison with SOTA face quality
regression models on different data sets and real-life scenarios.
- Abstract(参考訳): 顔認識アプリケーションは、顔検出と特徴抽出の2つの主要なステップで構成されている。
単独の視覚ベースのソリューションでは、第1ステップは、カメラストリームを取り込み、単一のアイデンティティの複数の検出を生成する。
エッジデバイスに対する実践的なアプローチは、認識への適合性に応じて、これらのアイデンティティの検出を優先すべきである。
そこで本研究では,顔ランドマーク検出ネットワークに単一層を追加するだけで,顔品質スコアの回帰を提案する。
追加のコストがほとんどないため、顔の品質スコアは、この単一の層をトレーニングすることで得られる。
提案手法をエッジgpuに実装し,検出,追跡,アライメントを含むすべての顔検出パイプラインステップを実装した。
総合的な実験では、異なるデータセットと実生活シナリオのSOTA顔品質回帰モデルとの比較により、提案手法の効率性を示す。
関連論文リスト
- UniForensics: Face Forgery Detection via General Facial Representation [60.5421627990707]
高レベルの意味的特徴は摂動の影響を受けにくく、フォージェリー固有の人工物に限らないため、より強い一般化がある。
我々は、トランスフォーマーベースのビデオネットワークを活用する新しいディープフェイク検出フレームワークUniForensicsを導入し、顔の豊かな表現のためのメタファンクショナルな顔分類を行う。
論文 参考訳(メタデータ) (2024-07-26T20:51:54Z) - DeepFidelity: Perceptual Forgery Fidelity Assessment for Deepfake
Detection [67.3143177137102]
ディープフェイク検出(Deepfake detection)とは、画像やビデオにおいて、人工的に生成された顔や編集された顔を検出すること。
本稿では,実顔と偽顔とを適応的に識別するDeepFidelityという新しいDeepfake検出フレームワークを提案する。
論文 参考訳(メタデータ) (2023-12-07T07:19:45Z) - 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) - SwinFace: A Multi-task Transformer for Face Recognition, Expression
Recognition, Age Estimation and Attribute Estimation [60.94239810407917]
本論文では,単一スウィントランスを用いた顔認識,表情認識,年齢推定,顔属性推定のための多目的アルゴリズムを提案する。
複数のタスク間の競合に対処するため、マルチレベルチャネル注意(MLCA)モジュールをタスク固有の分析に統合する。
実験の結果,提案したモデルでは顔の理解が良く,全てのタスクにおいて優れた性能が得られることがわかった。
論文 参考訳(メタデータ) (2023-08-22T15:38:39Z) - COMICS: End-to-end Bi-grained Contrastive Learning for Multi-face Forgery Detection [56.7599217711363]
顔偽造認識法は一度に1つの顔しか処理できない。
ほとんどの顔偽造認識法は一度に1つの顔しか処理できない。
マルチフェイスフォージェリ検出のためのエンドツーエンドフレームワークであるCOMICSを提案する。
論文 参考訳(メタデータ) (2023-08-03T03:37:13Z) - MMNet: Multi-Collaboration and Multi-Supervision Network for Sequential
Deepfake Detection [81.59191603867586]
シークエンシャルディープフェイク検出は、回復のための正しいシーケンスで偽の顔領域を特定することを目的としている。
偽画像の復元には、逆変換を実装するための操作モデルの知識が必要である。
顔画像の空間スケールや逐次順列化を扱うマルチコラボレーション・マルチスーパービジョンネットワーク(MMNet)を提案する。
論文 参考訳(メタデータ) (2023-07-06T02:32:08Z) - Watch Out for the Confusing Faces: Detecting Face Swapping with the
Probability Distribution of Face Identification Models [37.49012763328351]
顔識別確率分布に基づく顔交換検出手法を提案する。
IdP_FSDは、有限集合に属するスワップされた顔を検出するために特別に設計されている。
IdP_FSDは、顔交換に関わる2つの顔の同一性は、顔交換の共通性を利用する。
論文 参考訳(メタデータ) (2023-03-23T09:33:10Z) - Searching for Alignment in Face Recognition [37.91087888250405]
まず、異なるアライメントテンプレートが顔認識に与える影響を探索し、強調する。
そして、初めて最適なテンプレートを自動で検索する。
我々は、テンプレートを分解して、作物の大きさと垂直シフトに分解することで、よく定義された探索空間を構築する。
提案したベンチマーク実験は,顔認識性能向上のための手法の有効性を検証した。
論文 参考訳(メタデータ) (2021-02-10T14:09:16Z) - SER-FIQ: Unsupervised Estimation of Face Image Quality Based on
Stochastic Embedding Robustness [15.431761867166]
任意の顔認識モデルに基づいて顔の質を測定する新しい概念を提案する。
提案手法を,学界と産業界からの6つの最先端アプローチと比較した。
論文 参考訳(メタデータ) (2020-03-20T16:50:30Z)
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。