論文の概要: Child Face Recognition at Scale: Synthetic Data Generation and
Performance Benchmark
- arxiv url: http://arxiv.org/abs/2304.11685v1
- Date: Sun, 23 Apr 2023 15:29:26 GMT
- ステータス: 処理完了
- システム内更新日: 2023-04-25 17:05:44.171384
- Title: Child Face Recognition at Scale: Synthetic Data Generation and
Performance Benchmark
- Title（参考訳）: 子どもの顔を大規模に認識する: 合成データ生成と性能ベンチマーク
- Authors: Magnus Falkenberg, Anders Bensen Ottsen, Mathias Ibsen, Christian
Rathgeb
- Abstract要約: HDA-SynChildFacesは1,652人の被験者と188,832人の画像で構成され、各被験者は様々な年齢で存在し、多くの異なる物体内変異を持つ。
生成したデータベース上での様々な顔認識システムの性能評価を行い、年齢の異なる大人と子供の結果と比較した。
- 参考スコア（独自算出の注目度）: 3.4110993541168853
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: We address the need for a large-scale database of children's faces by using
generative adversarial networks (GANs) and face age progression (FAP) models to
synthesize a realistic dataset referred to as HDA-SynChildFaces. To this end,
we proposed a processing pipeline that initially utilizes StyleGAN3 to sample
adult subjects, which are subsequently progressed to children of varying ages
using InterFaceGAN. Intra-subject variations, such as facial expression and
pose, are created by further manipulating the subjects in their latent space.
Additionally, the presented pipeline allows to evenly distribute the races of
subjects, allowing to generate a balanced and fair dataset with respect to race
distribution. The created HDA-SynChildFaces consists of 1,652 subjects and a
total of 188,832 images, each subject being present at various ages and with
many different intra-subject variations. Subsequently, we evaluates the
performance of various facial recognition systems on the generated database and
compare the results of adults and children at different ages. The study reveals
that children consistently perform worse than adults, on all tested systems,
and the degradation in performance is proportional to age. Additionally, our
study uncovers some biases in the recognition systems, with Asian and Black
subjects and females performing worse than White and Latino Hispanic subjects
and males.
- Abstract（参考訳）: HDA-SynChildFacesと呼ばれる現実的なデータセットを合成するために、GAN(Generative Adversarial Network)とFAP(Face Age Progression)モデルを用いて、子どもの顔の大規模データベースの必要性に対処する。
そこで本研究では,まずstylegan3を用いて成人被験者をサンプリングし,その後,interfaceganを用いて年齢の異なる小児に進行する処理パイプラインを提案する。
表情やポーズなどの物体内変異は、被写体を潜伏空間でさらに操作することによって生じる。
さらに、提示されたパイプラインは、被験者の人種を均等に分散することができ、人種分布に関してバランスよく公平なデータセットを生成することができる。
hda-synchildfacesは1,652人の被験者と合計188,832枚の画像で構成され、それぞれの被験者は様々な年齢で様々なサブジェクト内変異を持つ。
その後,生成したデータベース上での各種顔認識システムの性能評価を行い,年齢別に成人と小児の比較を行った。
この研究は、全てのテストシステムにおいて、子どもは大人よりも一貫してパフォーマンスが悪く、パフォーマンスの劣化は年齢に比例することを示している。
さらに、アジア系と黒人の被験者や、白人やラテン系ヒスパニック系の被験者や男性よりも成績が悪い女性など、認識システムのバイアスも明らかにしている。
関連論文リスト
- ChildDiffusion: Unlocking the Potential of Generative AI and Controllable Augmentations for Child Facial Data using Stable Diffusion and Large Language Models [1.1470070927586018]
この枠組みは、民族データ、微妙な表現、顔ポーズのバリエーション、目まき効果、異なる髪の色とスタイル、老化、複数と異なる子供の性別を単一のフレームでレンダリングすることによって検証される。
提案手法は、時間的不整合や出力の限られた制御など、生成AIツールで発生する一般的な問題を回避している。
論文 参考訳（メタデータ） (2024-06-17T14:37:14Z) - SwinFace: A Multi-task Transformer for Face Recognition, Expression
Recognition, Age Estimation and Attribute Estimation [60.94239810407917]
本論文では,単一スウィントランスを用いた顔認識,表情認識,年齢推定,顔属性推定のための多目的アルゴリズムを提案する。
複数のタスク間の競合に対処するため、マルチレベルチャネル注意(MLCA)モジュールをタスク固有の分析に統合する。
実験の結果,提案したモデルでは顔の理解が良く,全てのタスクにおいて優れた性能が得られることがわかった。
論文 参考訳（メタデータ） (2023-08-22T15:38:39Z) - A Comparative Study of Image-to-Image Translation Using GANs for
Synthetic Child Race Data [1.6536018920603175]
本研究では、画像から画像への変換を利用して、異なる人種のデータを合成し、子供の顔データの民族性を調整することを提案する。
我々は、民族をスタイルとみなし、コーカサス人の児童データとアジア人の児童データ変換を実装するために、3つの異なる画像と画像のニューラルネットワークに基づく手法を比較した。
論文 参考訳（メタデータ） (2023-08-08T12:54:05Z) - ChildGAN: Large Scale Synthetic Child Facial Data Using Domain
Adaptation in StyleGAN [1.6536018920603175]
ChildGANは、転写学習を用いてスムーズなドメイン転送を実行することで構築される。
データセットは300万以上の異なるデータサンプルで構成されている。
その結果,高画質の合成顔データにより,実子から大規模データセットを収集するコストと複雑さの代替効果が示された。
論文 参考訳（メタデータ） (2023-07-25T18:04:52Z) - Young Labeled Faces in the Wild (YLFW): A Dataset for Children Faces
Recognition [0.0]
子どもの顔認識のためのベンチマークデータセットを,LFW, CALFW, CPLFW, XQLFW, AgeDBといった有名な顔認識ベンチマークと同様にコンパイルする。
また、子供の顔画像に顔認識モデルを適用するための開発データセットも提示する。
論文 参考訳（メタデータ） (2023-01-13T22:19:44Z) - Deep Adaptation of Adult-Child Facial Expressions by Fusing Landmark Features [0.6219950137166257]
深層畳み込みニューラルネットワークは、成人の表情の分類において有望な結果を示す。
本研究では, BEACE-BE-SELF (BEtaMix Selected Landmark Features) を用いた適応型FACial Expressionsを提案する。
論文 参考訳（メタデータ） (2022-09-18T17:29:36Z) - CIAO! A Contrastive Adaptation Mechanism for Non-Universal Facial
Expression Recognition [80.07590100872548]
本稿では、顔エンコーダの最後の層に異なるデータセットの特定の感情特性を適応させるメカニズムであるContrastive Inhibitory Adaptati On(CIAO)を提案する。
CIAOは、非常にユニークな感情表現を持つ6つの異なるデータセットに対して、表情認識性能が改善されている。
論文 参考訳（メタデータ） (2022-08-10T15:46:05Z) - FP-Age: Leveraging Face Parsing Attention for Facial Age Estimation in
the Wild [50.8865921538953]
年齢推定に顔のセマンティクスを明示的に組み込む手法を提案する。
我々は,顔解析に基づくネットワークを設計し,異なるスケールで意味情報を学習する。
提案手法は,既存の年齢推定手法を常に上回っていることを示す。
論文 参考訳（メタデータ） (2021-06-21T14:31:32Z) - 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) - Enhancing Facial Data Diversity with Style-based Face Aging [59.984134070735934]
特に、顔データセットは、通常、性別、年齢、人種などの属性の観点からバイアスされる。
本稿では, 細粒度の老化パターンをキャプチャするデータ拡張のための, 生成スタイルに基づく新しいアーキテクチャを提案する。
提案手法は, 年齢移動のための最先端アルゴリズムよりも優れていることを示す。
論文 参考訳（メタデータ） (2020-06-06T21:53:44Z) - Investigating Bias in Deep Face Analysis: The KANFace Dataset and
Empirical Study [67.3961439193994]
現在までに最も包括的で大規模な顔画像とビデオのデータセットを導入している。
データは、アイデンティティ、正確な年齢、性別、親族関係の点で手動で注釈付けされる。
提案したベンチマークでネットワーク埋め込みをデバイアス化する手法を導入し,テストした。
論文 参考訳（メタデータ） (2020-05-15T00:14:39Z)
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。