論文の概要: FaceSkin: A Privacy Preserving Facial skin patch Dataset for multi Attributes classification

• arxiv url: http://arxiv.org/abs/2308.04765v1
• Date: Wed, 9 Aug 2023 07:53:33 GMT
• ステータス: 処理完了
• システム内更新日: 2023-08-10 14:41:57.310424
• Title: FaceSkin: A Privacy Preserving Facial skin patch Dataset for multi Attributes classification
• Title（参考訳）: faceskin: 多属性分類のためのプライバシー保護型顔皮膚パッチデータセット
• Authors: Qiushi Guo, Shisha Liao
• Abstract要約: さまざまな年齢や人種を含むFaceSkinというデータセットを紹介します。 印刷紙,リプレイ,3Dマスクを含む2Dおよび3D攻撃画像から得られた合成皮膚パッチを組み込んだ。 属性分類におけるFaceSkinデータセットの評価と,その有効性を示す実験結果について述べる。
• 参考スコア（独自算出の注目度）: 0.9282594860064426
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Human facial skin images contain abundant textural information that can serve as valuable features for attribute classification, such as age, race, and gender. Additionally, facial skin images offer the advantages of easy collection and minimal privacy concerns. However, the availability of well-labeled human skin datasets with a sufficient number of images is limited. To address this issue, we introduce a dataset called FaceSkin, which encompasses a diverse range of ages and races. Furthermore, to broaden the application scenarios, we incorporate synthetic skin-patches obtained from 2D and 3D attack images, including printed paper, replays, and 3D masks. We evaluate the FaceSkin dataset across distinct categories and present experimental results demonstrating its effectiveness in attribute classification, as well as its potential for various downstream tasks, such as Face anti-spoofing and Age estimation.
• Abstract（参考訳）: 顔の皮膚画像には、年齢、人種、性別などの属性分類に有用な特徴として機能する豊富なテクスチャ情報が含まれている。 さらに、顔の皮膚画像は簡単に収集でき、プライバシーの懸念を最小限に抑えることができる。 しかし、十分な数の画像を持つ十分なラベル付きヒト皮膚データセットが利用できることは限られている。 この問題に対処するために、さまざまな年齢と人種を含むFaceSkinというデータセットを導入しました。 さらに,応用シナリオを広げるために,印刷紙,リプレイ,3Dマスクを含む2Dおよび3D攻撃画像から得られた合成皮膚パッチを組み込んだ。 我々は,FaceSkinデータセットを異なるカテゴリで評価し,属性分類の有効性を示す実験結果と,Face anti-spoofing や Age Estimation などの下流タスクの可能性を示す。

関連論文リスト

• Face Anonymization Made Simple [44.24233169815565]
  現在の顔の匿名化技術は、しばしば、不正確で信頼性の低い顔認識モデルによって計算されたアイデンティティ損失に依存する。 対照的に,本手法では再建損失のみを伴う拡散モデルを用いて,顔のランドマークやマスクの必要性を排除している。 本モデルは,アイデンティティの匿名化,顔の保存,画質の3つの重要な領域において,最先端のパフォーマンスを実現する。
  論文  参考訳（メタデータ） (2024-11-01T17:45:21Z)
• SDFD: Building a Versatile Synthetic Face Image Dataset with Diverse Attributes [14.966767182001755]
  顔の多様性の幅広いスペクトルをキャプチャする合成顔画像データセットを生成する手法を提案する。 具体的には、我々のアプローチは人口統計学とバイオメトリックスを統合するだけでなく、メイクアップ、ヘアスタイル、アクセサリーといった非永続的な特徴も統合しています。 これらのプロンプトは、高品質なリアル画像の包括的なデータセットを生成する際に、最先端のテキスト・ツー・イメージモデルを導く。
  論文  参考訳（メタデータ） (2024-04-26T08:51:31Z)
• DiffusionFace: Towards a Comprehensive Dataset for Diffusion-Based Face Forgery Analysis [71.40724659748787]
  DiffusionFaceは、最初の拡散ベースのフェイスフォージェリーデータセットである。 非条件およびテキストガイドの顔画像生成、Img2Img、Inpaint、Diffusionベースの顔交換アルゴリズムなど、さまざまなフォージェリーカテゴリをカバーする。 重要なメタデータと、評価のための実世界のインターネットソースの偽顔画像データセットを提供する。
  論文  参考訳（メタデータ） (2024-03-27T11:32:44Z)
• Multiface: A Dataset for Neural Face Rendering [108.44505415073579]
  本研究では,新しいマルチビュー,高解像度のヒューマン・フェイス・データセットであるMultifaceを提案する。 顔のパフォーマンスの高解像度同期映像をキャプチャする大規模なマルチカメラ装置であるMugsyを紹介する。 Multifaceの目的は、学術コミュニティにおける高品質データへのアクセシビリティのギャップを埋め、VRテレプレゼンスの研究を可能にすることである。
  論文  参考訳（メタデータ） (2022-07-22T17:55:39Z)
• OPOM: Customized Invisible Cloak towards Face Privacy Protection [58.07786010689529]
  我々は、新しいタイプのカスタマイズクロークに基づく技術の観点から、顔のプライバシ保護について検討する。 本研究では,個人固有の(クラスワイドな)ユニバーサルマスクを生成するために,1人1マスク(OPOM)という新しい手法を提案する。 提案手法の有効性を,共通データセットと有名データセットの両方で評価した。
  論文  参考訳（メタデータ） (2022-05-24T11:29:37Z)
• Automatic Facial Skin Feature Detection for Everyone [60.31670960526022]
  本研究では,野生の自撮り自撮りのために,さまざまな肌のトーンと年齢群にまたがって機能する顔顔の特徴自動検出法を提案する。 具体的には,肌の色,重度度,照明条件の異なる自撮り画像に対して,アクネ,顔料,ニキビの位置を注釈する。
  論文  参考訳（メタデータ） (2022-03-30T04:52:54Z)
• FaceOcc: A Diverse, High-quality Face Occlusion Dataset for Human Face Extraction [3.8502825594372703]
  隠蔽は野生の顔画像にしばしば発生し、ランドマーク検出や3D再構成、顔認識といった顔関連の課題に悩まされる。 本稿では,CelebA本社とインターネットから手動で顔の隠蔽をラベル付けした新しい顔のセグメンテーションデータセットを提案する。 簡単な顔分割モデルの訓練を行ったが,SOTA性能が得られ,提案したデータセットの有効性を実証した。
  論文  参考訳（メタデータ） (2022-01-20T19:44:18Z)
• 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)
• Face Age Progression With Attribute Manipulation [11.859913430860335]
  FAWAM (Face Age Progression with Attribute Manipulation) を提唱する。 タスクをボトムアップ方式で,顔年齢の進行と顔属性の操作という2つのサブモジュールとして扱う。 顔の老化には、年齢に応じた顔の変化をモデル化できるピラミッド生成対向ネットワークを備えた属性意識型顔の老化モデルを用いる。
  論文  参考訳（メタデータ） (2021-06-14T18:26:48Z)
• PrivacyNet: Semi-Adversarial Networks for Multi-attribute Face Privacy [15.301150389512744]
  画像手法を用いて, 顔画像に対するソフトバイオメトリック・プライバシを実現する手法を開発した。 画像摂動は、GANをベースとしたSAN(Semi-Adversarial Network)を用いて行われる。 PrivacyNetでは、入力された顔画像に難読化される属性を選択することができる。
  論文  参考訳（メタデータ） (2020-01-02T18:53:31Z)

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。