論文の概要: Will your Doorbell Camera still recognize you as you grow old
- arxiv url: http://arxiv.org/abs/2308.04224v1
- Date: Tue, 8 Aug 2023 12:43:26 GMT
- ステータス: 処理完了
- システム内更新日: 2023-08-09 12:55:40.682212
- Title: Will your Doorbell Camera still recognize you as you grow old
- Title（参考訳）: Doorbellのカメラは年を重ねるにつれて認識されるのか?
- Authors: Wang Yao, Muhammad Ali Farooq, Joseph Lemley and Peter Corcoran
- Abstract要約: 本研究は,顔認証法の性能に及ぼす年齢と加齢の影響について検討する。
様々な年齢効果を持つ高品質な顔画像の集合を拡大するために、フォトリアリスティックな年齢変換法が用いられている。
これらの合成老化データが高速深層学習に基づく顔認識モデルに与える影響を定量化する。
- 参考スコア（独自算出の注目度）: 1.6536018920603175
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Robust authentication for low-power consumer devices such as doorbell cameras
poses a valuable and unique challenge. This work explores the effect of age and
aging on the performance of facial authentication methods. Two public age
datasets, AgeDB and Morph-II have been used as baselines in this work. A
photo-realistic age transformation method has been employed to augment a set of
high-quality facial images with various age effects. Then the effect of these
synthetic aging data on the high-performance deep-learning-based face
recognition model is quantified by using various metrics including Receiver
Operating Characteristic (ROC) curves and match score distributions.
Experimental results demonstrate that long-term age effects are still a
significant challenge for the state-of-the-art facial authentication method.
- Abstract（参考訳）: ドアベルカメラのような低消費電力の消費者向けデバイスに対するロバスト認証は、価値がありユニークな課題である。
本研究は,顔認証法の性能に及ぼす年齢と加齢の影響を考察する。
AgeDBとMorph-IIの2つの公開年齢データセットがこの作業のベースラインとして使用されている。
様々な年齢効果を持つ高品質な顔画像の集合を拡大するために、フォトリアリスティックな年齢変換法が用いられている。
そして、これらの合成老化データが高速深層学習に基づく顔認識モデルに与える影響を、受信者動作特性(ROC)曲線や一致スコア分布を含む様々な指標を用いて定量化する。
実験結果から, 顔認証手法の長期化は依然として重要な課題であることが明らかとなった。
関連論文リスト
- Synthetic Face Ageing: Evaluation, Analysis and Facilitation of Age-Robust Facial Recognition Algorithms [1.0499611180329804]
顔認識モデルのロバスト性を向上させるため,合成年齢データの利用の可能性を検討する。
合成老化画像を用いた画像の認識率は, 年齢差40歳以上の画像において, ベースラインモデルの結果よりも3.33%高い値を示した。
論文 参考訳（メタデータ） (2024-06-10T14:27:36Z) - 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) - Effective Adapter for Face Recognition in the Wild [72.75516495170199]
私たちは、画像が低品質で現実世界の歪みに悩まされる、野生の顔認識の課題に取り組みます。
従来のアプローチでは、劣化した画像や、顔の復元技術を使って強化された画像を直接訓練するが、効果がないことが証明された。
高品質な顔データセットで訓練された既存の顔認識モデルを強化するための効果的なアダプタを提案する。
論文 参考訳（メタデータ） (2023-12-04T08:55:46Z) - Identity-Preserving Aging of Face Images via Latent Diffusion Models [22.2699253042219]
顔画像の老化・老化に対する遅延テキスト・ツー・イメージ拡散モデルの提案, 評価, 評価を行った。
我々のモデルは、数発の訓練で成功し、直感的なテキストプロンプトによって制御できることのメリットが加わった。
論文 参考訳（メタデータ） (2023-07-17T15:57:52Z) - Time flies by: Analyzing the Impact of Face Ageing on the Recognition
Performance with Synthetic Data [18.47822752527376]
本研究は,オープンソースのバイオメトリック認識システムの性能に及ぼす加齢の影響について考察する。
本研究の主目的は,1～5年間の短期年齢が一般認知能力にわずかに影響を及ぼすことである。
論文 参考訳（メタデータ） (2022-08-17T10:28:27Z) - SynFace: Face Recognition with Synthetic Data [83.15838126703719]
我々は、ID混在(IM)とドメイン混在(DM)を併用したSynFaceを考案し、パフォーマンスギャップを緩和する。
また、合成顔画像の系統的実験分析を行い、合成データを顔認識に効果的に活用する方法についての知見を提供する。
論文 参考訳（メタデータ） (2021-08-18T03:41:54Z) - 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) - Identity-Aware CycleGAN for Face Photo-Sketch Synthesis and Recognition [61.87842307164351]
まず,画像生成ネットワークの監視に新たな知覚損失を適用したIACycleGAN(Identity-Aware CycleGAN)モデルを提案する。
眼や鼻などの重要な顔領域の合成により多くの注意を払うことで、フォトエッチング合成におけるサイクガンを改善する。
IACycleGANによる画像の合成を反復的に行う合成モデルと認識モデルとの相互最適化手法を開発した。
論文 参考訳（メタデータ） (2021-03-30T01:30:08Z) - PFA-GAN: Progressive Face Aging with Generative Adversarial Network [19.45760984401544]
本論文では,PFA-GANを基盤とした新しい顔老化フレームワークを提案する。
このフレームワークは、蓄積されたアーティファクトと曖昧さを取り除くために、エンドツーエンドでトレーニングすることができる。
実験により,既存の (c) GANs 法よりも優れた性能を示した。
論文 参考訳（メタデータ） (2020-12-07T05:45:13Z) - 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)
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。