論文の概要: Effect of Lossy Compression Algorithms on Face Image Quality and
Recognition
- arxiv url: http://arxiv.org/abs/2302.12593v1
- Date: Fri, 24 Feb 2023 12:11:05 GMT
- ステータス: 処理完了
- システム内更新日: 2023-02-27 13:47:30.209666
- Title: Effect of Lossy Compression Algorithms on Face Image Quality and
Recognition
- Title（参考訳）: 損失圧縮アルゴリズムが顔画像の画質と認識に及ぼす影響
- Authors: Torsten Schlett, Sebastian Schachner, Christian Rathgeb, Juan Tapia,
Christoph Busch
- Abstract要約: ロスシーな顔画像圧縮は、顔認識のために画像品質と有用性を低下させることができる。
4つの圧縮タイプ、JPEG、JPEG 2000、縮小されたPNG、特に新しいJPEG XLフォーマットが検討されている。
- 参考スコア（独自算出の注目度）: 12.554656658516262
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Lossy face image compression can degrade the image quality and the utility
for the purpose of face recognition. This work investigates the effect of lossy
image compression on a state-of-the-art face recognition model, and on multiple
face image quality assessment models. The analysis is conducted over a range of
specific image target sizes. Four compression types are considered, namely
JPEG, JPEG 2000, downscaled PNG, and notably the new JPEG XL format. Frontal
color images from the ColorFERET database were used in a Region Of Interest
(ROI) variant and a portrait variant. We primarily conclude that JPEG XL allows
for superior mean and worst case face recognition performance especially at
lower target sizes, below approximately 5kB for the ROI variant, while there
appears to be no critical advantage among the compression types at higher
target sizes. Quality assessments from modern models correlate well overall
with the compression effect on face recognition performance.
- Abstract（参考訳）: 顔画像圧縮は、顔認識のために画像品質と有用性を劣化させることができる。
本研究では,最先端顔認識モデルと複数顔画像品質評価モデルに対する画像圧縮の影響について検討する。
分析は、特定の画像ターゲットサイズの範囲で行われる。
4つの圧縮タイプ、JPEG、JPEG 2000、縮小されたPNG、特に新しいJPEG XLフォーマットが検討されている。
カラーフェレットデータベースのフロントカラー画像は、関心の領域(ROI)の変種とポートレートの変種で使用された。
jpeg xl は,roi 変種では約 5kb 以下で,特に低いターゲットサイズでは,平均的および最悪の場合の顔認識性能が向上するが,高いターゲットサイズでは圧縮型に致命的な利点はないと考えられる。
現代のモデルによる品質評価は、顔認識性能に対する圧縮効果と全般的に相関する。
関連論文リスト
- Transferable Learned Image Compression-Resistant Adversarial Perturbations [66.46470251521947]
敵対的攻撃は容易に画像分類システムを破壊し、DNNベースの認識タスクの脆弱性を明らかにする。
我々は、学習した画像圧縮機を前処理モジュールとして利用する画像分類モデルをターゲットにした新しいパイプラインを提案する。
論文 参考訳（メタデータ） (2024-01-06T03:03:28Z) - Learned Lossless Compression for JPEG via Frequency-Domain Prediction [50.20577108662153]
JPEG画像のロスレス圧縮を学習するための新しいフレームワークを提案する。
周波数領域での学習を可能にするために、DCT係数は暗黙の局所冗長性を利用するためにグループに分割される。
グループ化されたDCT係数のエントロピーモデリングを実現するために、重み付きブロックに基づいてオートエンコーダのようなアーキテクチャを設計する。
論文 参考訳（メタデータ） (2023-03-05T13:15:28Z) - Metaheuristic-based Energy-aware Image Compression for Mobile App
Development [1.933681537640272]
本稿では,人口ベースJPEG画像圧縮のための新しい目的関数を提案する。
第2に,包括的カバレッジの欠如に対処するために,新しい表現を提案する。
第3に、22の最先端および最近導入されたPBMHアルゴリズムに関する包括的なベンチマークを提供する。
論文 参考訳（メタデータ） (2022-12-13T01:39:47Z) - Perceptual Quality Assessment for Fine-Grained Compressed Images [38.615746092795625]
そこで本研究では,精細レベルの圧縮画像に対するフル参照画像品質評価(FR-IQA)手法を提案する。
提案手法は,FGIQAデータベース上での圧縮画像品質評価(FGIQA)により検証される。
論文 参考訳（メタデータ） (2022-06-08T12:56:45Z) - Estimating the Resize Parameter in End-to-end Learned Image Compression [50.20567320015102]
本稿では,最近の画像圧縮モデルの速度歪みトレードオフをさらに改善する検索自由化フレームワークについて述べる。
提案手法により,Bjontegaard-Deltaレート(BD-rate)を最大10%向上させることができる。
論文 参考訳（メタデータ） (2022-04-26T01:35:02Z) - AdaFace: Quality Adaptive Margin for Face Recognition [56.99208144386127]
本稿では、損失関数、すなわち画像品質における適応性の別の側面を紹介する。
そこで本稿では,画像品質に基づいて異なる難易度を示す新たな損失関数を提案する。
提案手法は,4つのデータセット上でのSoTA(State-of-the-art)による顔認識性能を向上させる。
論文 参考訳（メタデータ） (2022-04-03T01:23:41Z) - Learned Image Compression for Machine Perception [17.40776913809306]
人間の知覚と機械知覚の両方に適した圧縮フォーマットを生成するフレームワークを開発する。
コアビジョンタスクの圧縮と性能を同時に最適化する表現が学習可能であることを示す。
論文 参考訳（メタデータ） (2021-11-03T14:39:09Z) - Effects of Image Compression on Face Image Manipulation Detection: A
Case Study on Facial Retouching [14.92708078957906]
顔画像操作検出における画像圧縮の影響を分析する。
画像圧縮の影響下での顔面リタッチ検出に関する事例研究を行った。
論文 参考訳（メタデータ） (2021-03-05T13:28:28Z) - Analyzing and Mitigating JPEG Compression Defects in Deep Learning [69.04777875711646]
本稿では,JPEG圧縮が共通タスクやデータセットに与える影響を統一的に検討する。
高圧縮の一般的なパフォーマンス指標には大きなペナルティがあることが示される。
論文 参考訳（メタデータ） (2020-11-17T20:32:57Z) - Quantization Guided JPEG Artifact Correction [69.04777875711646]
我々はJPEGファイル量子化行列を用いたアーティファクト修正のための新しいアーキテクチャを開発した。
これにより、特定の品質設定のためにトレーニングされたモデルに対して、単一のモデルで最先端のパフォーマンスを達成できます。
論文 参考訳（メタデータ） (2020-04-17T00:10:08Z)
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。