論文の概要: Analyzing the Impact of Shape & Context on the Face Recognition Performance of Deep Networks

• arxiv url: http://arxiv.org/abs/2208.02991v1
• Date: Fri, 5 Aug 2022 05:32:07 GMT
• ステータス: 処理完了
• システム内更新日: 2022-08-08 12:42:46.166093
• Title: Analyzing the Impact of Shape & Context on the Face Recognition Performance of Deep Networks
• Title（参考訳）: ディープネットワークの顔認識性能に及ぼす形状・文脈の影響の分析
• Authors: Sandipan Banerjee, Walter Scheirer, Kevin Bowyer, Patrick Flynn
• Abstract要約: 顔画像におけるベースアイデンティティの基底となる3次元形状の変化が全体像を歪めるかを分析する。 本実験は, 正確な顔マッチングにおける顔形状の重要性を実証し, ネットワークトレーニングにおける文脈データの重要性を裏付けるものである。
• 参考スコア（独自算出の注目度）: 2.0099255688059907
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: In this article, we analyze how changing the underlying 3D shape of the base identity in face images can distort their overall appearance, especially from the perspective of deep face recognition. As done in popular training data augmentation schemes, we graphically render real and synthetic face images with randomly chosen or best-fitting 3D face models to generate novel views of the base identity. We compare deep features generated from these images to assess the perturbation these renderings introduce into the original identity. We perform this analysis at various degrees of facial yaw with the base identities varying in gender and ethnicity. Additionally, we investigate if adding some form of context and background pixels in these rendered images, when used as training data, further improves the downstream performance of a face recognition model. Our experiments demonstrate the significance of facial shape in accurate face matching and underpin the importance of contextual data for network training.
• Abstract（参考訳）: 本稿では,顔画像における基礎的アイデンティティの3次元形状の変化が,その全体的な外観を,特に深い顔認識の観点からゆがめる可能性について分析する。 一般的なトレーニングデータ拡張スキームで行われているように、ランダムに選択されたまたは最も適した3d顔モデルで実顔画像と合成顔画像をグラフィカルにレンダリングし、ベースアイデンティティの新しいビューを生成する。 これらの画像から生成された深い特徴を比較し、これらのレンダリングが元のアイデンティティにもたらす摂動を評価する。 この分析は、性別や民族によって異なる基本的アイデンティティを持つ顔のヨーで行う。 さらに、これらのレンダリング画像に何らかの形態のコンテキストや背景画素を追加する場合、トレーニングデータとして使用する場合、顔認識モデルの下流性能をさらに向上させるかを検討する。 本研究は,顔の正確なマッチングにおける顔形状の重要性を示し,ネットワークトレーニングにおける文脈データの重要性を実証する。

関連論文リスト

• Face Reconstruction from Face Embeddings using Adapter to a Face Foundation Model [24.72209930285057]
  顔認識システムは、顔画像から埋め込みベクターを抽出し、これらの埋め込みを使用して個人を検証または識別する。 顔再構成攻撃(英語: face reconstruction attack、テンプレート・インバージョンとも呼ばれる)とは、顔の埋め込みから顔イメージを再構成し、再構成された顔画像を用いて顔認識システムに入ることを指す。 我々は,ブラックボックスの顔認識モデルの埋め込みから顔画像の再構成にフェイスファンデーションモデルを用いることを提案する。
  論文  参考訳（メタデータ） (2024-11-06T14:45:41Z)
• 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)
• Face Transformer: Towards High Fidelity and Accurate Face Swapping [54.737909435708936]
  Face swappingは、ソース顔の同一性とターゲット顔の属性を融合させるスワップ画像を生成することを目的としている。 本稿では,顔の同一性と対象属性を同時に正確に保存できる新しい顔交換ネットワークであるFace Transformerを提案する。
  論文  参考訳（メタデータ） (2023-04-05T15:51:44Z)
• Evaluation of Human and Machine Face Detection using a Novel Distinctive Human Appearance Dataset [0.76146285961466]
  画像中の顔を検出する能力において,現在最先端の顔検出モデルを評価する。 評価結果から,顔検出アルゴリズムは多様な外観に適さないことが示された。
  論文  参考訳（メタデータ） (2021-11-01T02:20:40Z)
• SynFace: Face Recognition with Synthetic Data [83.15838126703719]
  我々は、ID混在(IM)とドメイン混在(DM)を併用したSynFaceを考案し、パフォーマンスギャップを緩和する。 また、合成顔画像の系統的実験分析を行い、合成データを顔認識に効果的に活用する方法についての知見を提供する。
  論文  参考訳（メタデータ） (2021-08-18T03:41:54Z)
• Learning to Aggregate and Personalize 3D Face from In-the-Wild Photo Collection [65.92058628082322]
  非パラメトリックフェースモデリングは形状仮定なしで画像からのみ3次元フェースを再構成することを目的としている。 本稿では,教師なしのロバストな3次元顔モデリングのための学習・アグリゲート・パーソナライズ・フレームワークを提案する。
  論文  参考訳（メタデータ） (2021-06-15T03:10:17Z)
• Robust Face-Swap Detection Based on 3D Facial Shape Information [59.32489266682952]
  顔のスワップ画像やビデオは、悪意ある攻撃者を惹きつけ、重要な人物の信用を損ねている。 以前のピクセルレベルのアーティファクトに基づく検出技術は、常に不明瞭なパターンにフォーカスするが、利用可能なセマンティックなヒントは無視する。 キーフィギュアの顔・スワップ検出のための外観・形状特徴をフル活用するための生体情報に基づく手法を提案する。
  論文  参考訳（メタデータ） (2021-04-28T09:35:48Z)
• VAE/WGAN-Based Image Representation Learning For Pose-Preserving Seamless Identity Replacement In Facial Images [15.855376604558977]
  We present a novel variational generative adversarial network (VGAN) based on Wasserstein loss。 我々のネットワークは、ポーズ保存されたアイデンティティ・モーフィングとアイデンティティ保存されたポーズ・モーフィングの実行に利用できることを示す。
  論文  参考訳（メタデータ） (2020-03-02T03:35:59Z)
• DotFAN: A Domain-transferred Face Augmentation Network for Pose and Illumination Invariant Face Recognition [94.96686189033869]
  本稿では,3次元モデルを用いたドメイン転送型顔強調ネットワーク(DotFAN)を提案する。 DotFANは、他のドメインから収集された既存のリッチフェイスデータセットから抽出された知識に基づいて、入力顔の一連の変種を生成することができる。 実験によると、DotFANは、クラス内の多様性を改善するために、小さな顔データセットを増やすのに有益である。
  論文  参考訳（メタデータ） (2020-02-23T08:16:34Z)

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。