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
- GenFace: A Large-Scale Fine-Grained Face Forgery Benchmark and Cross
Appearance-Edge Learning [49.93362169016503]
フォトリアリスティック・ジェネレータの急速な進歩は、真の画像と操作された画像の相違がますます不明瞭になっている臨界点に達している。
公開されている顔の偽造データセットはいくつかあるが、偽造顔は主にGANベースの合成技術を用いて生成される。
我々は,大規模で多様できめ細かな高忠実度データセットであるGenFaceを提案し,ディープフェイク検出の進展を促進する。
論文 参考訳(メタデータ) (2024-02-03T03:13:50Z) - Diffusion Facial Forgery Detection [56.69763252655695]
本稿では,顔に焦点をあてた拡散生成画像を対象とした包括的データセットであるDiFFを紹介する。
人体実験といくつかの代表的な偽造検出手法を用いて,DiFFデータセットの広範な実験を行った。
その結果、人間の観察者と自動検出者の2値検出精度は30%以下であることが判明した。
論文 参考訳(メタデータ) (2024-01-29T03:20:19Z) - Three-dimensional Bone Image Synthesis with Generative Adversarial
Networks [2.499907423888049]
本研究は,高分解能医用量を生成するために,3次元生成対向ネットワーク(GAN)を効率的に訓練できることを実証する。
GANインバージョンは3次元設定のために実装され、モデル解釈可能性に関する広範な研究に使用される。
論文 参考訳(メタデータ) (2023-10-26T08:08:17Z) - 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 [79.06544706290568]
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。
DeepfakeArt Challengeは、生成AIアート偽造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) - A Deep Learning Approach to Private Data Sharing of Medical Images Using
Conditional GANs [1.2099130772175573]
COSENTYX (secukinumab) Ankylosing Spondylitis の臨床的検討に基づいて合成データセットを生成する方法を提案する。
本稿では, 画像の忠実度, サンプルの多様性, データセットのプライバシーの3つの重要な指標について, 合成データセットを生成し, その特性を詳細に分析する手法を提案する。
論文 参考訳(メタデータ) (2021-06-24T17:24:06Z) - 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。