論文の概要: Facial Landmark Detection Evaluation on MOBIO Database

• arxiv url: http://arxiv.org/abs/2307.03329v1
• Date: Thu, 6 Jul 2023 23:13:49 GMT
• ステータス: 処理完了
• システム内更新日: 2023-07-10 13:47:30.010438
• Title: Facial Landmark Detection Evaluation on MOBIO Database
• Title（参考訳）: MOBIOデータベースによる顔のランドマーク検出評価
• Authors: Na Zhang
• Abstract要約: モバイル環境では,顔と話者の認識が可能であることが研究で示されている。 このオーディオ・ヴィジュアル・データベースから約20,600枚の顔画像が抽出され、22のランドマークが基調としてラベル付けされている。
• 参考スコア（独自算出の注目度）: 6.916620974833163
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: MOBIO is a bi-modal database that was captured almost exclusively on mobile phones. It aims to improve research into deploying biometric techniques to mobile devices. Research has been shown that face and speaker recognition can be performed in a mobile environment. Facial landmark localization aims at finding the coordinates of a set of pre-defined key points for 2D face images. A facial landmark usually has specific semantic meaning, e.g. nose tip or eye centre, which provides rich geometric information for other face analysis tasks such as face recognition, emotion estimation and 3D face reconstruction. Pretty much facial landmark detection methods adopt still face databases, such as 300W, AFW, AFLW, or COFW, for evaluation, but seldomly use mobile data. Our work is first to perform facial landmark detection evaluation on the mobile still data, i.e., face images from MOBIO database. About 20,600 face images have been extracted from this audio-visual database and manually labeled with 22 landmarks as the groundtruth. Several state-of-the-art facial landmark detection methods are adopted to evaluate their performance on these data. The result shows that the data from MOBIO database is pretty challenging. This database can be a new challenging one for facial landmark detection evaluation.
• Abstract（参考訳）: MOBIOはバイモーダルなデータベースで、ほとんど携帯電話でしか撮れなかった。 バイオメトリック技術をモバイルデバイスに展開する研究を改善することを目的としている。 モバイル環境では顔認識や話者認識が可能であることが研究で示されている。 顔のランドマークの局所化は、2次元顔画像のための予め定義されたキーポイントの集合の座標を見つけることを目的としている。 顔ランドマークは通常、鼻先や眼中心といった特定の意味の意味を持ち、顔認識、感情推定、3d顔再構成などの他の顔分析タスクにリッチな幾何学的情報を提供する。 300W, AFW, AFLW, COFWなどの顔データベースを用いた顔のランドマーク検出手法はほとんどないが, モバイルデータはほとんど使われていない。 筆者らはまず,MOBIOデータベースからの顔画像を用いて,移動体静止データに対する顔のランドマーク検出評価を行う。 約20,600枚の顔画像がこの視聴覚データベースから抽出され、手作業で22のランドマークが基幹としてラベル付けされている。 これらのデータ上での性能を評価するために,最先端の顔ランドマーク検出手法がいくつか採用されている。 その結果、MOBIOデータベースのデータはかなり難しいことがわかった。 このデータベースは、顔のランドマーク検出評価に新たな挑戦となる可能性がある。

関連論文リスト

• FaceDig: Automated tool for placing landmarks on facial portraits for geometric morphometrics users [0.0]
  FaceDigはAIを利用したツールで、人間のレベルの精度でランドマークの配置を自動化する。 これは、最大かつ最も民族的に多様な顔データセットの1つを用いて訓練された。 以上の結果から,FaceDigは専門家が手作業で配置したものに匹敵する,信頼性の高いランドマーク座標を提供することが示された。
  論文  参考訳（メタデータ） (2024-11-03T10:03:52Z)
• Semantic Contextualization of Face Forgery: A New Definition, Dataset, and Detection Method [77.65459419417533]
  我々は,顔フォージェリを意味的文脈に配置し,意味的顔属性を変更する計算手法が顔フォージェリの源であることを定義した。 階層的なグラフで整理されたラベルの集合に各画像が関連付けられている大規模な顔偽画像データセットを構築した。 本稿では,ラベル関係を捕捉し,その優先課題を優先するセマンティクス指向の顔偽造検出手法を提案する。
  論文  参考訳（メタデータ） (2024-05-14T10:24:19Z)
• Exploring Decision-based Black-box Attacks on Face Forgery Detection [53.181920529225906]
  顔の偽造生成技術は鮮明な顔を生み出し、セキュリティとプライバシーに対する世間の懸念を高めている。 顔偽造検出は偽の顔の識別に成功しているが、最近の研究では顔偽造検出は敵の例に対して非常に脆弱であることが示されている。
  論文  参考訳（メタデータ） (2023-10-18T14:49:54Z)
• Are Face Detection Models Biased? [69.68854430664399]
  顔領域の局所化による顔検出領域のバイアスについて検討した。 既存の顔検出データセットの多くは、このような分析に適したアノテーションを欠いている。 性別や肌の音色による検出精度の相違を観察し, 画像診断以外の要因の相互関係を考察した。
  論文  参考訳（メタデータ） (2022-11-07T14:27:55Z)
• Detect Faces Efficiently: A Survey and Evaluations [13.105528567365281]
  顔認識、表情認識、顔追跡、頭部推定を含む多くの応用は、画像中の顔の位置と大きさの両方が知られていると仮定する。 ディープラーニング技術は、かなりの計算量の増加と共に、対面検出に驚くべきブレークスルーをもたらした。 本稿では, 代表的な深層学習手法を紹介し, 精度と効率性の観点から, 深く, 徹底的な分析を行う。
  論文  参考訳（メタデータ） (2021-12-03T08:39:40Z)
• Sejong Face Database: A Multi-Modal Disguise Face Database [0.0]
  提示されたデータベースには8つの顔アドオンと7つの追加のアドオンが含まれている。 各顔画像は、可視光、可視光+赤外線、赤外線、熱スペクトルで撮影される。 本稿では,提案データベース上で行ったベースライン顔検出結果について,参照結果を提供し,異なるモードでの性能を比較する。
  論文  参考訳（メタデータ） (2021-06-14T06:29:41Z)
• CASIA-Face-Africa: A Large-scale African Face Image Database [43.29325019954341]
  人種バイアスは、最先端の顔認識システム(sota)に固有のものであることが証明されていた。 パブリックドメインにおける大規模アフリカの顔画像データベースの欠如は、顔認識の人種バイアス問題の研究における主要な制限の1つである。 アフリカ1,183人の38,546枚の画像を含む顔画像データベースCASIA-Face-Africaを収集します。
  論文  参考訳（メタデータ） (2021-05-08T08:15:11Z)
• Facial Expressions as a Vulnerability in Face Recognition [73.85525896663371]
  本研究では,顔認識システムのセキュリティ脆弱性としての表情バイアスについて検討する。 本稿では,表情バイアスが顔認識技術の性能に与える影響を包括的に分析する。
  論文  参考訳（メタデータ） (2020-11-17T18:12:41Z)
• The Elements of End-to-end Deep Face Recognition: A Survey of Recent Advances [56.432660252331495]
  顔認識はコンピュータビジョンにおいて最も人気があり、長く続いたトピックの1つである。 ディープフェイス認識は目覚ましい進歩を遂げ、多くの現実世界のアプリケーションで広く利用されている。 本稿では,各要素の最近の進歩を概観する。
  論文  参考訳（メタデータ） (2020-09-28T13:02:17Z)
• Multi-spectral Facial Landmark Detection [10.009879315990133]
  我々は、頑健なニューラルネットワークにより顔のランドマーク検出、すなわちDeep Multi-Spectral Learning (DMSL)を提案する。 DMSLは2つのサブモデル、すなわち顔境界検出とランドマーク座標検出から構成される。 Eurecomの可視・熱対データベースで実施された実験は、熱的顔のランドマーク検出のための最先端技術よりもDMSLの優れた性能を示している。
  論文  参考訳（メタデータ） (2020-06-09T11:43:46Z)
• Investigating the Impact of Inclusion in Face Recognition Training Data on Individual Face Identification [93.5538147928669]
  最新のオープンソースの顔認識システムであるArcFaceを、100万枚以上の散らばった画像を用いた大規模な顔識別実験で監査する。 モデルのトレーニングデータには79.71%、存在しない人には75.73%のランク1顔認証精度がある。
  論文  参考訳（メタデータ） (2020-01-09T15:50:28Z)

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。