論文の概要: IFQA: Interpretable Face Quality Assessment

• arxiv url: http://arxiv.org/abs/2211.07077v1
• Date: Mon, 14 Nov 2022 03:04:38 GMT
• ステータス: 処理完了
• システム内更新日: 2022-11-15 18:24:03.107264
• Title: IFQA: Interpretable Face Quality Assessment
• Title（参考訳）: IFQA: 顔の品質評価
• Authors: Byungho Jo and Donghyeon Cho and In Kyu Park and Sungeun Hong
• Abstract要約: 本稿では, 顔の復元を模擬し, 識別器が画質を評価する, 対向的な枠組みに基づく新しい顔中心距離法を提案する。 我々の測定基準は、既存の一般または顔の画質評価基準を印象的なマージンで一貫して上回っている。
• 参考スコア（独自算出の注目度）: 23.34924105158927
• License: http://creativecommons.org/licenses/by-nc-nd/4.0/
• Abstract: Existing face restoration models have relied on general assessment metrics that do not consider the characteristics of facial regions. Recent works have therefore assessed their methods using human studies, which is not scalable and involves significant effort. This paper proposes a novel face-centric metric based on an adversarial framework where a generator simulates face restoration and a discriminator assesses image quality. Specifically, our per-pixel discriminator enables interpretable evaluation that cannot be provided by traditional metrics. Moreover, our metric emphasizes facial primary regions considering that even minor changes to the eyes, nose, and mouth significantly affect human cognition. Our face-oriented metric consistently surpasses existing general or facial image quality assessment metrics by impressive margins. We demonstrate the generalizability of the proposed strategy in various architectural designs and challenging scenarios. Interestingly, we find that our IFQA can lead to performance improvement as an objective function. The code and models are available at \url{https://github.com/VCLLab/IFQA}.
• Abstract（参考訳）: 既存の顔復元モデルは、顔領域の特徴を考慮しない一般的な評価指標に依存している。 それゆえ、最近の研究は、スケーラブルではなく、かなりの労力を要する人間研究を用いてその手法を評価している。 本稿では, 顔の復元を模擬し, 識別器が画質を評価する, 対向的な枠組みに基づく新しい顔中心距離法を提案する。 具体的には、従来のメトリクスでは提供できない解釈可能な評価を可能にする。 さらに, 眼, 鼻, 口の微妙な変化が人間の認知に有意な影響を及ぼすことを考慮し, 顔面一次領域に着目した。 我々の顔指向測定基準は、既存の一般または顔画像品質評価基準を印象的なマージンで一貫して上回っている。 提案手法は,様々なアーキテクチャ設計と課題シナリオにおいて汎用性を示す。 興味深いことに、IFQAは客観的な機能として性能改善につながる可能性がある。 コードとモデルは \url{https://github.com/vcllab/ifqa} で入手できる。

関連論文リスト

• Rank-based No-reference Quality Assessment for Face Swapping [88.53827937914038]
  顔スワップ法における品質測定の基準は、操作された画像とソース画像の間のいくつかの距離に依存する。 顔スワップ用に設計された新しい非参照画像品質評価法(NR-IQA)を提案する。
  論文  参考訳（メタデータ） (2024-06-04T01:36:29Z)
• Robustness Disparities in Face Detection [64.71318433419636]
  本稿では,その顔検出システムの詳細なベンチマークとして,商業モデルと学術モデルのノイズに対する頑健性について検討する。 すべてのデータセットやシステム全体で、$textitmasculineである個人の写真が$textitdarker skin type$$$、$textitdarker$、または$textitdim lighting$は、他のIDよりもエラーの影響を受けやすい。
  論文  参考訳（メタデータ） (2022-11-29T05:22:47Z)
• 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)
• A Deep Insight into Measuring Face Image Utility with General and Face-specific Image Quality Metrics [5.770286315818393]
  一般的な画像品質のメトリクスは、グローバルなイメージで使用することができ、人間の知覚に関連付けられる。 本研究の結果から,顔用ユーティリティ尺度として特に訓練を受けなくても,学習した画像指標と顔用ユーティリティとの間に明確な相関関係が明らかとなった。
  論文  参考訳（メタデータ） (2021-10-21T12:56:38Z)
• Joint Face Image Restoration and Frontalization for Recognition [79.78729632975744]
  現実世界のシナリオでは、大きなポーズ、悪い照明、低解像度、ぼやけ、ノイズなど、多くの要因が顔認識性能を損なう可能性がある。 それまでの努力は通常、まず品質の低い顔から高品質な顔に復元し、次に顔認識を行う。 与えられた低品質の顔からフロンダル化された高品質の顔を復元する多段階顔復元モデルを提案する。
  論文  参考訳（メタデータ） (2021-05-12T03:52:41Z)
• 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)
• Face Image Quality Assessment: A Literature Survey [16.647739693192236]
  本調査は、主に可視波長の顔画像入力に焦点を当てた顔画像品質評価文献の概要を提供する。 深層学習に基づく手法の傾向が観察され,近年のアプローチにおける概念的差異が顕著である。
  論文  参考訳（メタデータ） (2020-09-02T14:26:12Z)
• Face Quality Estimation and Its Correlation to Demographic and Non-Demographic Bias in Face Recognition [15.431761867166]
  顔の質評価は、認識のための顔画像の有用性を推定することを目的としている。 現在、これらの顔認識システムの高性能化には、人口統計学や非人口統計学のサブグループに対する強い偏見のコストが伴っている。 近年の研究では、顔品質評価アルゴリズムは、高精度でロバストな品質評価を実現するために、デプロイされた顔認識システムに適応すべきであることが示されている。
  論文  参考訳（メタデータ） (2020-04-02T14:19:12Z)
• 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)
• 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)

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。