論文の概要: DAA: A Delta Age AdaIN operation for age estimation via binary code transformer

• arxiv url: http://arxiv.org/abs/2303.07929v1
• Date: Tue, 14 Mar 2023 14:12:33 GMT
• ステータス: 処理完了
• システム内更新日: 2023-03-15 14:44:25.814313
• Title: DAA: A Delta Age AdaIN operation for age estimation via binary code transformer
• Title（参考訳）: DAA:バイナリコード変換器による年齢推定のためのデルタエイジAdaIN演算
• Authors: Ping Chen, Xingpeng Zhang, Ye Li, Ju Tao, Bin Xiao, Bing Wang, Zongjie Jiang
• Abstract要約: 裸眼での年齢認識は、通常、他の年齢との比較に基づいて行われる。 転送学習にインスパイアされたデルタエイジAdaIN操作を設計し,各年齢による特徴差を得た。 提案手法は最先端の手法と比較して,複数の顔年齢データセットのパラメータが少なく,性能が向上する。
• 参考スコア（独自算出の注目度）: 11.18118679913049
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Naked eye recognition of age is usually based on comparison with the age of others. However, this idea is ignored by computer tasks because it is difficult to obtain representative contrast images of each age. Inspired by the transfer learning, we designed the Delta Age AdaIN (DAA) operation to obtain the feature difference with each age, which obtains the style map of each age through the learned values representing the mean and standard deviation. We let the input of transfer learning as the binary code of age natural number to obtain continuous age feature information. The learned two groups of values in Binary code mapping are corresponding to the mean and standard deviation of the comparison ages. In summary, our method consists of four parts: FaceEncoder, DAA operation, Binary code mapping, and AgeDecoder modules. After getting the delta age via AgeDecoder, we take the average value of all comparison ages and delta ages as the predicted age. Compared with state-of-the-art methods, our method achieves better performance with fewer parameters on multiple facial age datasets.
• Abstract（参考訳）: 裸眼での年齢認識は、通常、他の年齢との比較に基づいて行われる。 しかし,各年齢の代表コントラスト画像の取得が困難であるため,コンピュータタスクでは無視されている。 トランスファー学習に触発されてデルタエイジ・アダイン(daa)演算を設計,各年齢の特徴差を求め,平均偏差と標準偏差を表す学習値を用いて各年齢のスタイルマップを得る。 我々は、転帰学習の入力を、連続年齢特徴情報を得るために、年齢自然数のバイナリコードとして与える。 バイナリコードマッピングで得られた2つの値群は、比較年齢の平均と標準偏差に対応している。 要約すると,本手法はFaceEncoder,DAA操作,バイナリコードマッピング,AgeDecoderモジュールの4つの部分から構成される。 agedecoderを介してデルタ年齢を得た後、すべての比較年齢とデルタ年齢の平均値を予測年齢として捉えます。 提案手法は最先端の手法と比較して,複数の顔年齢データセットのパラメータが少なく,性能が向上する。

関連論文リスト

• CILF-CIAE: CLIP-driven Image-Language Fusion for Correcting Inverse Age Estimation [14.639340916340801]
  年齢推定タスクは、画像中の顔の特徴を分析して、個人の年齢を予測することを目的としている。 既存のCLIPベースの年齢推定手法では、高いメモリ使用量が必要であり、エラーフィードバック機構が欠如している。 逆年齢推定(CILF-CIAE)のための新しいCLIP駆動画像言語融合法を提案する。
  論文  参考訳（メタデータ） (2023-12-04T09:35:36Z)
• Pluralistic Aging Diffusion Autoencoder [63.50599304294062]
  顔の老化は、複数のプラプシブルな老化パターンが与えられた入力に対応する可能性があるため、不適切な問題である。 本稿では,CLIP駆動型多言語時効拡散オートエンコーダを提案する。
  論文  参考訳（メタデータ） (2023-03-20T13:20:14Z)
• LAE : Long-tailed Age Estimation [52.5745217752147]
  まず、簡単な標準ベースラインを定式化し、事前トレーニング、データ拡張、モデルアーキテクチャなどのトリックを収集することで、はるかに強力なベースラインを構築します。 標準ベースラインと比較して,提案手法は推定誤差を著しく低減する。 本稿では,Long-tailed Age Estimation (LAE) という2段階の学習手法を提案する。
  論文  参考訳（メタデータ） (2021-10-25T09:05:44Z)
• using multiple losses for accurate facial age estimation [6.851375622634309]
  本稿では,分類に基づく手法と比較して,年齢推定をシンプルかつ効果的に行う手法を提案する。 CVPR Chalearn 2016データセット上での年齢-粒度-ネットフレームワークの有効性を検証し,提案手法が個々の損失と比較して予測誤差を低減できることを示す。
  論文  参考訳（メタデータ） (2021-06-17T11:18:16Z)
• Brain Age Estimation From MRI Using Cascade Networks with Ranking Loss [75.03117866578913]
  T1強調MRIデータから脳年齢を推定するために,新しい3次元畳み込みネットワークである2段エイジネットワーク(TSAN)を提案する。 686ドルのMRIによる実験では、TSANが正確な脳年齢を推定できることが示された。
  論文  参考訳（メタデータ） (2021-06-06T07:11:25Z)
• AgeFlow: Conditional Age Progression and Regression with Normalizing Flows [19.45760984401544]
  年齢進行と回帰は, 顔画像の光リアリスティックな外観と老化効果, 再生効果をそれぞれ合成することを目的としている。 既存のgenerative adversarial networks (gans) ベースの手法は以下の3つの大きな問題に悩まされている。 本稿では、フローベースモデルとGANの両方の利点を統合するために、AgeFlowと呼ばれる新しいフレームワークを提案する。
  論文  参考訳（メタデータ） (2021-05-15T15:02:07Z)
• Do Generative Models Know Disentanglement? Contrastive Learning is All You Need [59.033559925639075]
  本論文では,変数空間におけるコントラスト(DisCo)による非監視的,モデル非依存的手法を提案する。 DisCoは、GAN、VAE、およびフローを含む、事前訓練された非解離生成モデルに与えられた最先端の解離を達成します。
  論文  参考訳（メタデータ） (2021-02-21T08:01:20Z)
• Only a Matter of Style: Age Transformation Using a Style-Based Regression Model [46.48263482909809]
  本稿では,事前学習した未条件GANの潜在空間に実際の顔画像をエンコードする画像から画像への変換手法を提案する。 所望の年齢に対応する潜時符号を生成する際に,エンコーダを明示的に案内するために,事前学習した年齢回帰ネットワークを用いる。
  論文  参考訳（メタデータ） (2021-02-04T17:33:28Z)
• Age Gap Reducer-GAN for Recognizing Age-Separated Faces [72.26969872180841]
  本稿では,年齢変化に伴う顔と時間変化をマッチングする新しいアルゴリズムを提案する。 提案手法は,顔の年齢推定と年齢別顔の検証を組み合わせた統合フレームワークである。
  論文  参考訳（メタデータ） (2020-11-11T16:43:32Z)
• Lifespan Age Transformation Synthesis [40.963816368819415]
  本稿では,新しい画像から画像へ生成する対向的ネットワークアーキテクチャを提案する。 我々のフレームワークは、1枚の写真から0歳から70歳までの完全な頭部像を予測できる。
  論文  参考訳（メタデータ） (2020-03-21T22:48:06Z)

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。