論文の概要: Can GAN-induced Attribute Manipulations Impact Face Recognition?
- arxiv url: http://arxiv.org/abs/2209.02941v1
- Date: Wed, 7 Sep 2022 05:26:25 GMT
- ステータス: 処理完了
- システム内更新日: 2022-09-08 12:29:40.088266
- Title: Can GAN-induced Attribute Manipulations Impact Face Recognition?
- Title(参考訳): GANによる属性操作は顔認識に影響を及ぼすか?
- Authors: Sudipta Banerjee and Aditi Aggarwal and Arun Ross
- Abstract要約: 本研究では,GAN(Generative Adversarial Network)による属性操作が顔認識性能に及ぼす影響について検討した。
眼鏡や性欲のデジタル的変化を含むいくつかの属性操作は、顔認識を最大73%損なう可能性がある。
- 参考スコア(独自算出の注目度): 11.14373508358616
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Impact due to demographic factors such as age, sex, race, etc., has been
studied extensively in automated face recognition systems. However, the impact
of \textit{digitally modified} demographic and facial attributes on face
recognition is relatively under-explored. In this work, we study the effect of
attribute manipulations induced via generative adversarial networks (GANs) on
face recognition performance. We conduct experiments on the CelebA dataset by
intentionally modifying thirteen attributes using AttGAN and STGAN and
evaluating their impact on two deep learning-based face verification methods,
ArcFace and VGGFace. Our findings indicate that some attribute manipulations
involving eyeglasses and digital alteration of sex cues can significantly
impair face recognition by up to 73% and need further analysis.
- Abstract(参考訳): 年齢、性別、人種などの要因による影響は、自動化された顔認識システムで広く研究されている。
しかし、textit{digitally modified}層と顔認識に対する顔属性の影響は、比較的未調査である。
本研究では,gans(generative adversarial network)による属性操作が顔認識性能に与える影響について検討する。
我々は,CelebAデータセット上で,AttGANとSTGANを用いて13の属性を意図的に修正し,それらがArcFaceとVGGFaceの2つの深層学習に基づく顔認証方法に与える影響を評価する。
以上の結果から,メガネによる属性操作や性差のデジタル化は,顔認識を最大73%阻害し,さらなる分析が必要であることが示唆された。
関連論文リスト
- CIAO! A Contrastive Adaptation Mechanism for Non-Universal Facial
Expression Recognition [80.07590100872548]
本稿では、顔エンコーダの最後の層に異なるデータセットの特定の感情特性を適応させるメカニズムであるContrastive Inhibitory Adaptati On(CIAO)を提案する。
CIAOは、非常にユニークな感情表現を持つ6つの異なるデータセットに対して、表情認識性能が改善されている。
論文 参考訳(メタデータ) (2022-08-10T15:46:05Z) - Activation Template Matching Loss for Explainable Face Recognition [27.453358219579183]
本稿では、説明可能な顔認識ネットワークを構築するために、汎用的な説明可能なチャネル損失(ECLoss)を提案する。
ECLossは優れた説明可能性指標を実現し、同時に顔アライメントなしで顔認証の性能を向上させる。
論文 参考訳(メタデータ) (2022-07-05T17:16:04Z) - 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) - I Only Have Eyes for You: The Impact of Masks On Convolutional-Based
Facial Expression Recognition [78.07239208222599]
今回提案したFaceChannelがマスクを持つ人からの表情認識にどのように適応するかを評価します。
また、制約された社会的相互作用シナリオにおける顔の特徴の変化を学習し、組み合わせるためのFaceChannelの本質的な能力を示すために、特定の機能レベルの可視化も行います。
論文 参考訳(メタデータ) (2021-04-16T20:03:30Z) - How Unique Is a Face: An Investigative Study [8.803279436922267]
本研究では,画像の解像度,特徴表現,データベースサイズ,年齢,性別などの要因が,実際の分布とインポスタ分布のKullback-Leibler分散によって示される特異性に与える影響について検討した。
特徴抽出アルゴリズムとしてVGGFace, VGG16, ResNet50, InceptionV3, MobileNet, DenseNet121 を用いる。
論文 参考訳(メタデータ) (2021-02-09T17:35:39Z) - Facial Expressions as a Vulnerability in Face Recognition [73.85525896663371]
本研究では,顔認識システムのセキュリティ脆弱性としての表情バイアスについて検討する。
本稿では,表情バイアスが顔認識技術の性能に与える影響を包括的に分析する。
論文 参考訳(メタデータ) (2020-11-17T18:12:41Z) - On the Robustness of Face Recognition Algorithms Against Attacks and
Bias [78.68458616687634]
顔認識アルゴリズムは非常に高い認識性能を示しており、現実のアプリケーションに適していることを示唆している。
精度が向上したにもかかわらず、これらのアルゴリズムの攻撃や偏見に対する堅牢性は問題視されている。
本稿では,顔認識アルゴリズムの頑健性に挑戦する様々な方法について要約する。
論文 参考訳(メタデータ) (2020-02-07T18:21:59Z) - Investigating the Impact of Inclusion in Face Recognition Training Data
on Individual Face Identification [93.5538147928669]
最新のオープンソースの顔認識システムであるArcFaceを、100万枚以上の散らばった画像を用いた大規模な顔識別実験で監査する。
モデルのトレーニングデータには79.71%、存在しない人には75.73%のランク1顔認証精度がある。
論文 参考訳(メタデータ) (2020-01-09T15:50:28Z)
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。