論文の概要: OpenFilter: A Framework to Democratize Research Access to Social Media
AR Filters
- arxiv url: http://arxiv.org/abs/2207.12319v1
- Date: Tue, 19 Jul 2022 17:05:25 GMT
- ステータス: 処理完了
- システム内更新日: 2022-07-31 14:14:56.179453
- Title: OpenFilter: A Framework to Democratize Research Access to Social Media
AR Filters
- Title(参考訳): OpenFilter: ソーシャルメディアARフィルタの研究アクセスを民主化するためのフレームワーク
- Authors: Piera Riccio and Bill Psomas and Francesco Galati and Francisco
Escolano and Thomas Hofmann and Nuria Oliver
- Abstract要約: ソーシャルメディアプラットフォームで利用可能なARフィルタを、既存の顔の大規模なコレクションに適用するためのフレームワークであるOpenFilterを提示する。
また、FairBeautyとB-LFWも公開しているFairFaceとLFWデータセットの2つの美しいバージョンを共有しています。
- 参考スコア(独自算出の注目度): 14.789786314914858
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Augmented Reality or AR filters on selfies have become very popular on social
media platforms for a variety of applications, including marketing,
entertainment and aesthetics. Given the wide adoption of AR face filters and
the importance of faces in our social structures and relations, there is
increased interest by the scientific community to analyze the impact of such
filters from a psychological, artistic and sociological perspective. However,
there are few quantitative analyses in this area mainly due to a lack of
publicly available datasets of facial images with applied AR filters. The
proprietary, close nature of most social media platforms does not allow users,
scientists and practitioners to access the code and the details of the
available AR face filters. Scraping faces from these platforms to collect data
is ethically unacceptable and should, therefore, be avoided in research. In
this paper, we present OpenFilter, a flexible framework to apply AR filters
available in social media platforms on existing large collections of human
faces. Moreover, we share FairBeauty and B-LFW, two beautified versions of the
publicly available FairFace and LFW datasets and we outline insights derived
from the analysis of these beautified datasets.
- Abstract(参考訳): 自撮りの拡張現実(AR)フィルターは、マーケティング、エンターテイメント、美学など、さまざまな用途のソーシャルメディアプラットフォームで非常に人気がある。
社会構造や関係におけるAR顔フィルターの普及と顔の重要性を考えると、そのようなフィルターが心理的、芸術的、社会学的に与える影響を分析することへの科学コミュニティの関心が高まっている。
しかし、この領域では、主にARフィルタを用いた顔画像の公開データセットが欠如しているため、定量分析は少ない。
ほとんどのソーシャルメディアプラットフォームのプロプライエタリで密接な性質は、ユーザや科学者、実践者がコードや利用可能なAR顔フィルターの詳細にアクセスできない。
これらのプラットフォームからデータを収集するために顔を切り取ることは倫理的に受け入れられず、研究で避けるべきである。
本稿では、ソーシャルメディアプラットフォームで利用可能なARフィルタを、既存の顔の大規模なコレクションに適用するためのフレキシブルなフレームワークOpenFilterを提案する。
さらに、FairBeautyとB-LFWの2つの美化バージョンを共有し、これらの美化データセットの分析から得られた知見を概説する。
関連論文リスト
- Uncovering the Deep Filter Bubble: Narrow Exposure in Short-Video
Recommendation [30.395376392259497]
フィルタバブルは、オンラインコンテンツプラットフォームのコンテキスト内で広く研究されている。
ショートビデオプラットフォームの増加に伴い、フィルターバブルはさらに注目されている。
論文 参考訳(メタデータ) (2024-03-07T14:14:40Z) - Multiface: A Dataset for Neural Face Rendering [108.44505415073579]
本研究では,新しいマルチビュー,高解像度のヒューマン・フェイス・データセットであるMultifaceを提案する。
顔のパフォーマンスの高解像度同期映像をキャプチャする大規模なマルチカメラ装置であるMugsyを紹介する。
Multifaceの目的は、学術コミュニティにおける高品質データへのアクセシビリティのギャップを埋め、VRテレプレゼンスの研究を可能にすることである。
論文 参考訳(メタデータ) (2022-07-22T17:55:39Z) - Open-Eye: An Open Platform to Study Human Performance on Identifying
AI-Synthesized Faces [51.56417104929796]
我々は、AI合成顔検出の人的パフォーマンスを研究するために、Open-eyeと呼ばれるオンラインプラットフォームを開発した。
本稿では,オープンアイの設計とワークフローについて述べる。
論文 参考訳(メタデータ) (2022-05-13T14:30:59Z) - 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) - Fun Selfie Filters in Face Recognition: Impact Assessment and Removal [13.715060479044167]
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。
論文 参考訳(メタデータ) (2022-02-12T09:12:31Z) - 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) - Instagram Filter Removal on Fashionable Images [2.1485350418225244]
ソーシャルメディア分析アプリケーションにおける画像フィルタの効果を軽減するため,Instagramフィルタ除去ネットワーク(IFRNet)を導入する。
IFRNetは、定量的および定性的な比較においてすべての比較方法を上回ることを実証する。
本研究では,提案モデルのフィルタ分類性能を提示し,比較手法によってフィルタされていない画像の優性色推定を解析する。
論文 参考訳(メタデータ) (2021-04-11T18:44:43Z) - How Social Are Social Media The Dark Patterns In Facebook's Interface [9.824986063639155]
我々は、HCIのツールを使用して、インターフェイス機能とこれらのドメインによって引き起こされる懸念との間の接続を見つける。
Dark Patternsに向けて、私たちは経験的な設計分析を使用して、ユーザのオンラインプライバシに影響を与えるインターフェースの干渉を特定します。
論文 参考訳(メタデータ) (2021-03-19T10:40:29Z) - A survey on applications of augmented, mixed and virtual reality for
nature and environment [114.4879749449579]
拡張現実(AR)、仮想現実(VR)、複合現実(MR)は、彼らが提供できるエンゲージメントとエンリッチな体験のために、大きな潜在能力を持つ技術である。
しかし、環境応用の分野でAR、VR、MRがもたらす可能性はまだ広く研究されていない。
本研究は,環境に有利な既存のAR/VR/MRアプリケーションを発見・分類したり,環境問題に対する意識を高めることを目的とした調査の結果を示す。
論文 参考訳(メタデータ) (2020-08-27T09:59:27Z) - DiffNet++: A Neural Influence and Interest Diffusion Network for Social
Recommendation [50.08581302050378]
ソーシャルレコメンデーションは、ユーザの未知の嗜好を予測するために、ユーザ間のソーシャルコネクションを活用するために現れている。
ソーシャルレコメンデーションのための神経影響拡散ネットワーク(DiffNet)の予備研究を提案する(Diffnet)。
本稿では,Diffnetの改良アルゴリズムであるDiffNet++を提案する。
論文 参考訳(メタデータ) (2020-01-15T08:45:34Z)
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。