Fugu-MT 論文翻訳(概要): Generation of artificial facial drug abuse images using Deep De-identified anonymous Dataset augmentation through Genetics Algorithm (3DG-GA)

論文の概要: Generation of artificial facial drug abuse images using Deep De-identified anonymous Dataset augmentation through Genetics Algorithm (3DG-GA)

arxiv url: http://arxiv.org/abs/2304.06106v1
Date: Wed, 12 Apr 2023 18:45:26 GMT
ステータス: 処理完了
システム内更新日: 2023-04-14 16:26:32.806664
Title: Generation of artificial facial drug abuse images using Deep De-identified anonymous Dataset augmentation through Genetics Algorithm (3DG-GA)
Title（参考訳）: 遺伝的アルゴリズム(3dg-ga)による深部非同定匿名データセット拡張を用いた人工顔面薬物乱用画像の生成
Authors: Hazem Zein, Lou Laurent, R\'egis Fournier, Amine Nait-Ali
Abstract要約: 3DG-GA(Deep Dedentified anonymous dataset generation)は、ジェネティックスアルゴリズムを合成顔生成の戦略として用いている。このアルゴリズムは、GAN人工顔生成、偽造検出、顔認識を含む。薬物の特徴を保存することで、3DG-GAは、3000の合成顔用薬物乱用画像を含むデータセットを提供する。
参考スコア（独自算出の注目度）: 0.0
License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
Abstract: In biomedical research and artificial intelligence, access to large, well-balanced, and representative datasets is crucial for developing trustworthy applications that can be used in real-world scenarios. However, obtaining such datasets can be challenging, as they are often restricted to hospitals and specialized facilities. To address this issue, the study proposes to generate highly realistic synthetic faces exhibiting drug abuse traits through augmentation. The proposed method, called "3DG-GA", Deep De-identified anonymous Dataset Generation, uses Genetics Algorithm as a strategy for synthetic faces generation. The algorithm includes GAN artificial face generation, forgery detection, and face recognition. Initially, a dataset of 120 images of actual facial drug abuse is used. By preserving, the drug traits, the 3DG-GA provides a dataset containing 3000 synthetic facial drug abuse images. The dataset will be open to the scientific community, which can reproduce our results and benefit from the generated datasets while avoiding legal or ethical restrictions.
Abstract（参考訳）: バイオメディカルリサーチと人工知能では、大規模でバランスのとれた、代表的データセットへのアクセスは、現実世界のシナリオで使用できる信頼できるアプリケーションを開発する上で不可欠である。しかし,このようなデータセットの取得は,病院や専門施設に限られることが多いため,困難である。本研究は, 薬物乱用の特徴を強調することで, 極めてリアルな合成顔を作り出すことを提案する。提案手法は「3DG-GA(Deep Dedentified anonymous Dataset Generation)」と呼ばれ、合成顔生成の戦略として遺伝的アルゴリズムを用いる。このアルゴリズムは、GAN人工顔生成、偽造検出、顔認識を含む。当初、120枚の顔薬乱用画像のデータセットが使用されている。薬物の特徴を保存することで、3DG-GAは3000の合成顔用薬物乱用画像を含むデータセットを提供する。データセットは科学コミュニティに開放され、法的または倫理的な制約を避けながら、結果の再現と生成されたデータセットの恩恵を受けることができます。

関連論文リスト

Unveiling Synthetic Faces: How Synthetic Datasets Can Expose Real Identities [22.8742248559748]
6つの最先端の合成顔認識データセットにおいて、元の実データからのサンプルが漏洩していることを示す。本論文は,ジェネレータモデルのトレーニングデータから生成した合成顔認証データセットへの漏洩を示す最初の研究である。
論文参考訳（メタデータ） (2024-10-31T15:17:14Z)
G2Face: High-Fidelity Reversible Face Anonymization via Generative and Geometric Priors [71.69161292330504]
可逆顔匿名化(Reversible face anonymization)は、顔画像の繊細なアイデンティティ情報を、合成された代替品に置き換えようとしている。本稿では,Gtextsuperscript2Faceを提案する。提案手法は,高データの有効性を保ちながら,顔の匿名化と回復において既存の最先端技術よりも優れる。
論文参考訳（メタデータ） (2024-08-18T12:36:47Z)
A Large-scale Universal Evaluation Benchmark For Face Forgery Detection [40.1651358571311]
我々は,顔偽造検出技術の有効性を定量的に評価するために,DeepFaceGenというベンチマークを構築した。 DeepFaceGenは776,990の実顔画像/ビデオサンプルと773,812の顔偽画像/ビデオサンプルで構成され、34の主流顔生成技術を用いて生成される。 DeepFaceGenは,13の顔偽造検出技術の性能を様々な観点から評価・解析するために用いられている。
論文参考訳（メタデータ） (2024-06-13T14:42:59Z)
DiffusionFace: Towards a Comprehensive Dataset for Diffusion-Based Face Forgery Analysis [71.40724659748787]
DiffusionFaceは、最初の拡散ベースのフェイスフォージェリーデータセットである。非条件およびテキストガイドの顔画像生成、Img2Img、Inpaint、Diffusionベースの顔交換アルゴリズムなど、さまざまなフォージェリーカテゴリをカバーする。重要なメタデータと、評価のための実世界のインターネットソースの偽顔画像データセットを提供する。
論文参考訳（メタデータ） (2024-03-27T11:32:44Z)
Genetic InfoMax: Exploring Mutual Information Maximization in High-Dimensional Imaging Genetics Studies [50.11449968854487]
遺伝子ワイド・アソシエーション(GWAS)は、遺伝的変異と特定の形質の関係を同定するために用いられる。画像遺伝学の表現学習は、GWASによって引き起こされる固有の課題により、ほとんど探索されていない。本稿では,GWAS の具体的な課題に対処するために,トランスモーダル学習フレームワーク Genetic InfoMax (GIM) を提案する。
論文参考訳（メタデータ） (2023-09-26T03:59:21Z)
DeepfakeArt Challenge: A Benchmark Dataset for Generative AI Art Forgery and Data Poisoning Detection [57.51313366337142]
悪意ある目的のために生成的AIを使用することについて懸念が高まっている。生成AIを用いた視覚コンテンツ合成の領域では、画像偽造とデータ中毒が重要な関心事となっている。 DeepfakeArt Challenge(ディープフェイクアートチャレンジ)は、AIアートのジェネレーションとデータ中毒検出のための機械学習アルゴリズムの構築を支援するために設計された、大規模なチャレンジベンチマークデータセットである。
論文参考訳（メタデータ） (2023-06-02T05:11:27Z)
Unsupervised Face Recognition using Unlabeled Synthetic Data [16.494722503803196]
ラベルなし合成データ(U SynthFace)に基づく教師なし顔認識モデルを提案する。提案したU SynthFaceは、同一の合成インスタンスの2つの拡張画像の類似性を最大化することを学ぶ。ラベルなし合成データを用いた比較的高い認識精度を実現するためのU SynthFaceの有効性を実証する。
論文参考訳（メタデータ） (2022-11-14T14:05:19Z)
Generative Adversarial Networks for anonymous Acneic face dataset generation [0.0]
3段階の重篤度に対応するアクネ障害の属性を持つヒトの顔の匿名合成データセットを生成する。 CNNに基づく分類システムは、生成された合成アキニーック顔画像を用いて訓練され、認証顔画像を用いてテストされる。 InceptionResNetv2を用いて97,6%の精度が得られることを示す。
論文参考訳（メタデータ） (2022-11-08T12:59:41Z)
Delving into High-Quality Synthetic Face Occlusion Segmentation Datasets [83.749895930242]
そこで本研究では,高品質な自然主義的合成隠蔽顔を製造するための2つの手法を提案する。両手法の有効性とロバスト性を実証的に示す。我々は,RealOccとRealOcc-Wildという,微細なアノテーションを付加した高精細な実世界の顔データセットを2つ提示する。
論文参考訳（メタデータ） (2022-05-12T17:03:57Z)
3D Dense Geometry-Guided Facial Expression Synthesis by Adversarial Learning [54.24887282693925]
本稿では,3次元密度(深度,表面正規度)情報を表現操作に用いる新しいフレームワークを提案する。既製の最先端3D再構成モデルを用いて深度を推定し,大規模RGB-Depthデータセットを作成する。実験により,提案手法は競争ベースラインと既存の芸術を大きなマージンで上回ることを示した。
論文参考訳（メタデータ） (2020-09-30T17:12:35Z)
Methodology for Building Synthetic Datasets with Virtual Humans [1.5556923898855324]
大規模なデータセットは、ディープニューラルネットワークの改善、ターゲットトレーニングに使用することができる。特に,100の合成IDからなるデータセットにまたがる複数の2次元画像のレンダリングに3次元形態素顔モデルを用いる。
論文参考訳（メタデータ） (2020-06-21T10:29:36Z)

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。