Fugu-MT 論文翻訳(概要): EfficientSRFace: An Efficient Network with Super-Resolution Enhancement for Accurate Face Detection

論文の概要: EfficientSRFace: An Efficient Network with Super-Resolution Enhancement for Accurate Face Detection

arxiv url: http://arxiv.org/abs/2306.02277v1
Date: Sun, 4 Jun 2023 06:49:44 GMT
ステータス: 処理完了
システム内更新日: 2023-06-06 18:57:36.011006
Title: EfficientSRFace: An Efficient Network with Super-Resolution Enhancement for Accurate Face Detection
Title（参考訳）: EfficientSRFace: 高精度顔検出のための高分解能ネットワーク
Authors: Guangtao Wang, Jun Li, Jie Xie, Jianhua Xu and Bo Yang
Abstract要約: 顔検出では、密集した顔予測タスクにおいて、人間の集団の多数の小さな顔のような低解像度の顔が一般的である。我々は,特徴レベルの超解像再構成ネットワークを導入し,効率的なSRFaceと呼ばれる検出器を開発した。このモジュールはトレーニングプロセスにおいて補助的な役割を担い、推論時間を増やすことなく推論中に取り除くことができる。
参考スコア（独自算出の注目度）: 18.977044046941813
License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
Abstract: In face detection, low-resolution faces, such as numerous small faces of a human group in a crowded scene, are common in dense face prediction tasks. They usually contain limited visual clues and make small faces less distinguishable from the other small objects, which poses great challenge to accurate face detection. Although deep convolutional neural network has significantly promoted the research on face detection recently, current deep face detectors rarely take into account low-resolution faces and are still vulnerable to the real-world scenarios where massive amount of low-resolution faces exist. Consequently, they usually achieve degraded performance for low-resolution face detection. In order to alleviate this problem, we develop an efficient detector termed EfficientSRFace by introducing a feature-level super-resolution reconstruction network for enhancing the feature representation capability of the model. This module plays an auxiliary role in the training process, and can be removed during the inference without increasing the inference time. Extensive experiments on public benchmarking datasets, such as FDDB and WIDER Face, show that the embedded image super-resolution module can significantly improve the detection accuracy at the cost of a small amount of additional parameters and computational overhead, while helping our model achieve competitive performance compared with the state-of-the-arts methods.
Abstract（参考訳）: 顔検出では、密集した顔予測タスクにおいて、人間の集団の多数の小さな顔のような低解像度の顔が一般的である。通常は視覚の手がかりが限られており、他の小さな物体と区別しにくいため、正確な顔検出には大きな課題がある。深層畳み込みニューラルネットワークは最近、顔検出の研究を著しく推進しているが、現在の深層顔検出装置は、低解像度の顔をほとんど考慮せず、膨大な低解像度の顔が存在する現実世界のシナリオに対して脆弱である。そのため、通常は低分解能顔検出のための劣化性能を達成する。この問題を解決するために,モデルの特徴表現能力を向上する特徴レベル超解像再構成ネットワークを導入することにより,効率的なSRFaceと呼ばれる検出器を開発した。このモジュールはトレーニングプロセスにおいて補助的な役割を担い、推論時間を増やすことなく推論中に取り除くことができる。 fddbやより広い顔などの公開ベンチマークデータセットに関する広範囲な実験により、組み込み画像スーパーレゾリューションモジュールは、少数の追加パラメータと計算オーバーヘッドを犠牲にして検出精度を大幅に向上できると同時に、モデルが最先端の手法と比較して競合性能を達成するのに役立つことが示されている。

関連論文リスト

UniForensics: Face Forgery Detection via General Facial Representation [60.5421627990707]
高レベルの意味的特徴は摂動の影響を受けにくく、フォージェリー固有の人工物に限らないため、より強い一般化がある。我々は、トランスフォーマーベースのビデオネットワークを活用する新しいディープフェイク検出フレームワークUniForensicsを導入し、顔の豊かな表現のためのメタファンクショナルな顔分類を行う。
論文参考訳（メタデータ） (2024-07-26T20:51:54Z)
W-Net: A Facial Feature-Guided Face Super-Resolution Network [8.037821981254389]
Face Super-Resolutionは、高解像度 (HR) の顔画像を低解像度 (LR) の顔画像から復元することを目的としている。既存手法は, 再建効率が低く, 事前情報の利用が不十分であるため, 理想的ではない。本稿では,この課題に対処するため,W-Netと呼ばれる新しいネットワークアーキテクチャを提案する。
論文参考訳（メタデータ） (2024-06-02T09:05:40Z)
DeepFidelity: Perceptual Forgery Fidelity Assessment for Deepfake Detection [67.3143177137102]
ディープフェイク検出(Deepfake detection)とは、画像やビデオにおいて、人工的に生成された顔や編集された顔を検出すること。本稿では,実顔と偽顔とを適応的に識別するDeepFidelityという新しいDeepfake検出フレームワークを提案する。
論文参考訳（メタデータ） (2023-12-07T07:19:45Z)
Real Face Foundation Representation Learning for Generalized Deepfake Detection [74.4691295738097]
ディープフェイク技術の出現は、個人のプライバシーと公共の安全に脅威をもたらすため、社会的な問題となっている。十分な偽の顔を集めることはほぼ不可能であり、既存の検出器があらゆる種類の操作に一般化することは困難である。本稿では,大規模な実顔データセットから一般表現を学習することを目的としたリアルフェイスファウンデーション表現学習(RFFR)を提案する。
論文参考訳（メタデータ） (2023-03-15T08:27:56Z)
EfficientFace: An Efficient Deep Network with Feature Enhancement for Accurate Face Detection [20.779512288834315]
現在の軽量なCNNベースの顔検出器は、効率の取引精度が不十分で、特徴表現が不十分である。本研究では,機能強化のための3つのモジュールを含むEfficientFaceと呼ばれる効率的なディープフェイス検出器を設計する。 4つの公開ベンチマークでEfficientFaceを評価し,その有効性を実証した。
論文参考訳（メタデータ） (2023-02-23T06:59:45Z)
A new face swap method for image and video domains: a technical report [60.47144478048589]
FaceShifterアーキテクチャに基づいた新しいフェイススワップパイプラインを導入する。新しいアイロス機能、超解像ブロック、ガウスベースのフェイスマスク生成は、品質改善につながる。
論文参考訳（メタデータ） (2022-02-07T10:15:50Z)
MOS: A Low Latency and Lightweight Framework for Face Detection, Landmark Localization, and Head Pose Estimation [37.537102697992395]
顔検出,ランドマークの定位,頭部ポーズ推定を同時に行うために,低レイテンシで軽量なネットワークを提案する。大きな角度の顔のランドマークを見つけることがより困難であるという観察に刺激され、学習を制限するためにポーズロスが提案される。また,各タスクの重みを自動的に学習するために,不確実なマルチタスク損失を提案する。
論文参考訳（メタデータ） (2021-10-21T08:05:53Z)
LR-to-HR Face Hallucination with an Adversarial Progressive Attribute-Induced Network [67.64536397027229]
顔の超解像は難しい問題であり、非常に不適切な問題である。顔の特徴を取り入れたエンドツーエンドのプログレッシブ・ラーニング・フレームワークを提案する。提案手法は,他の最先端アプローチよりも良好な顔幻覚像が得られることを示す。
論文参考訳（メタデータ） (2021-09-29T19:50:45Z)
Disentangled High Quality Salient Object Detection [8.416690566816305]
本稿では,SOD(High- resolution Salient Object Detection)のための新しいディープラーニングフレームワークを提案する。タスクを低分解能唾液度分類ネットワーク(LRSCN)と高分解能精製ネットワーク(HRRN)に切り離す。
論文参考訳（メタデータ） (2021-08-08T02:14:15Z)
Analysis and evaluation of Deep Learning based Super-Resolution algorithms to improve performance in Low-Resolution Face Recognition [0.0]
超解像アルゴリズムは、関係する被験者の識別特性を回復することができる。このプロジェクトは、顔の超解像のタスクのための異なるディープニューラルネットワークアーキテクチャを評価し、適応することを目的とした。実験により、一般的なスーパーレゾリューションアーキテクチャは、高レゾリューション顔で訓練されたディープニューラルネットワークのフェイス検証性能を向上させることが判明した。
論文参考訳（メタデータ） (2021-01-19T02:41:57Z)
Recurrent Exposure Generation for Low-Light Face Detection [113.25331155337759]
本稿では,Recurrent Exposure Generation (REG) モジュールと Multi-Exposure Detection (MED) モジュールを提案する。 REGは、様々な露光設定に対応する段階的かつ効率的な中間画像を生成する。このような擬似露光はMEDによって融合され、異なる照明条件で顔を検出する。
論文参考訳（メタデータ） (2020-07-21T17:30:51Z)

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。