論文の概要: Has the Virtualization of the Face Changed Facial Perception? A Study of
the Impact of Augmented Reality on Facial Perception
- arxiv url: http://arxiv.org/abs/2303.00612v1
- Date: Wed, 1 Mar 2023 16:09:11 GMT
- ステータス: 処理完了
- システム内更新日: 2023-03-02 14:11:01.614677
- Title: Has the Virtualization of the Face Changed Facial Perception? A Study of
the Impact of Augmented Reality on Facial Perception
- Title（参考訳）: 顔の仮想化は顔の知覚を変えたか?
拡張現実が顔面知覚に及ぼす影響に関する研究
- Authors: Louisa Conwill, Samuel Anthony, and Walter Scheirer
- Abstract要約: 顔フィルターの異なるスタイルでの親しみ度を測定するための6つの調査結果を示す。
その結果,顔の色調を変えたり,顔の構造を変えたり,顔の美容を付加したりする写真編集フィルターを施した顔は,修正されていない顔と同様の印象を受ける傾向にあることがわかった。
また, 異なる質問文から異なる回答が得られ, フィルタ画像の出現による顔の知覚の変化は, 検出しづらいことが示唆された。
- 参考スコア（独自算出の注目度）: 0.0
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Augmented reality and other photo editing filters are popular methods used to
modify images, especially images of faces, posted online. Considering the
important role of human facial perception in social communication, how does
exposure to an increasing number of modified faces online affect human facial
perception? In this paper we present the results of six surveys designed to
measure familiarity with different styles of facial filters, perceived
strangeness of faces edited with different facial filters, and ability to
discern whether images are filtered or not. Our results indicate that faces
filtered with photo editing filters that change the image color tones, modify
facial structure, or add facial beautification tend to be perceived similarly
to unmodified faces; however, faces filtered with augmented reality filters
(\textit{i.e.,} filters that overlay digital objects) are perceived differently
from unmodified faces. We also found that responses differed based on different
survey question phrasings, indicating that the shift in facial perception due
to the prevalence of filtered images is noisy to detect. A better understanding
of shifts in facial perception caused by facial filters will help us build
online spaces more responsibly and could inform the training of more accurate
and equitable facial recognition models, especially those trained with human
psychophysical annotations.
- Abstract（参考訳）: 拡張現実(Augmented Reality)や他の写真編集フィルターは、画像、特に顔の画像の修正によく使われている。
社会的コミュニケーションにおける人間の顔知覚の重要な役割を考えると、オンラインの修正顔の増加が人間の顔知覚にどのように影響するか?
本稿では,異なるスタイルの顔フィルターによる親しみ度,異なる顔フィルタで編集された顔の奇妙な感じ,画像がフィルタリングされているか否かを識別する6つの調査結果について述べる。
以上の結果から,画像色調を変えたり,顔構造を変えたり,顔の美容を付加したりする写真編集フィルタでフィルタリングされた顔は,無修正顔と同様に知覚される傾向があるが,拡張現実フィルタでフィルタリングされた顔(デジタルオブジェクトをオーバーレイする\textit{i,}フィルタ)は、無修正顔とは異なる知覚であることが示唆された。
また, 異なる質問文から異なる回答が得られ, フィルタ画像の出現による顔の知覚の変化は, 検出しづらいことが示唆された。
顔フィルターによる顔の知覚の変化をよりよく理解することで、オンライン空間をより責任を持って構築し、より正確で公平な顔認識モデルのトレーニング、特に人間の心理物理学的アノテーションのトレーニングを知らせることができます。
関連論文リスト
- FaceFilterSense: A Filter-Resistant Face Recognition and Facial Attribute Analysis Framework [1.673834743879962]
面白い自撮りフィルターは、顔の生体認証システムの機能に大きく影響を与えている。
現在、顔のキーポイントを歪めているARベースのフィルターやフィルターは、最近流行し、裸眼でも顔が認識不能になっている。
これらの制約を緩和するため、我々は最新のフィルタの全体的影響分析を行い、フィルタ画像を用いたユーザ認識モデルを提案する。
論文 参考訳（メタデータ） (2024-04-12T07:04:56Z) - Towards mitigating uncann(eye)ness in face swaps via gaze-centric loss
terms [4.814908894876767]
顔スワップアルゴリズムは、トレーニングプロセスのガイドとなる顔全体を考えるピクセルや特徴の一致した損失に頼って、目に重点を置いていない。
本稿では,視線推定ネットワークを利用した顔交換モデルのトレーニングのための新しい損失方程式を提案する。
本研究は, デジタルアバター, プライバシ機構など, 特殊効果の顔交換に影響を及ぼす。
論文 参考訳（メタデータ） (2024-02-05T16:53:54Z) - FaceMAE: Privacy-Preserving Face Recognition via Masked Autoencoders [81.21440457805932]
顔のプライバシと認識性能を同時に考慮する新しいフレームワークFaceMAEを提案する。
ランダムにマスクされた顔画像は、FaceMAEの再構築モジュールのトレーニングに使用される。
また、いくつかの公開顔データセット上で十分なプライバシー保護顔認証を行う。
論文 参考訳（メタデータ） (2022-05-23T07:19:42Z) - 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) - HifiFace: 3D Shape and Semantic Prior Guided High Fidelity Face Swapping [116.1022638063613]
本研究では,光源面の顔形状を保存し,写真リアルな結果を生成できるHifiFaceを提案する。
本稿では,エンコーダとデコーダの組み合わせを最適化するSemantic Facial Fusionモジュールを提案する。
論文 参考訳（メタデータ） (2021-06-18T07:39:09Z) - 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) - A Study of Face Obfuscation in ImageNet [94.2949777826947]
本稿では,imagenetチャレンジにおける画像難読化について検討する。
ImageNetチャレンジのほとんどのカテゴリは、人のカテゴリではありません。
さまざまな深層ニューラルネットワークを顔画像上でベンチマークし、異なるカテゴリに対する異なる影響を観察します。
結果は、顔が破れた画像で学んだ特徴が等しく転送可能であることを示している。
論文 参考訳（メタデータ） (2021-03-10T17:11:34Z)
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。