論文の概要: NeutrEx: A 3D Quality Component Measure on Facial Expression Neutrality
- arxiv url: http://arxiv.org/abs/2308.09963v1
- Date: Sat, 19 Aug 2023 09:38:39 GMT
- ステータス: 処理完了
- システム内更新日: 2023-08-22 18:51:09.493884
- Title: NeutrEx: A 3D Quality Component Measure on Facial Expression Neutrality
- Title(参考訳): NeutrEx: 表情中立性に関する3次元品質要素
- Authors: Marcel Grimmer, Christian Rathgeb, Raymond Veldhuis, Christoph Busch
- Abstract要約: 中性表現アンカーへの3次元顔再構成の蓄積距離に基づく品質指標を提案する。
提案手法がベースライン手法よりも優れていることを示す。
- 参考スコア(独自算出の注目度): 7.736597471757526
- License: http://creativecommons.org/licenses/by-nc-nd/4.0/
- Abstract: Accurate face recognition systems are increasingly important in sensitive
applications like border control or migration management. Therefore, it becomes
crucial to quantify the quality of facial images to ensure that low-quality
images are not affecting recognition accuracy. In this context, the current
draft of ISO/IEC 29794-5 introduces the concept of component quality to
estimate how single factors of variation affect recognition outcomes. In this
study, we propose a quality measure (NeutrEx) based on the accumulated
distances of a 3D face reconstruction to a neutral expression anchor. Our
evaluations demonstrate the superiority of our proposed method compared to
baseline approaches obtained by training Support Vector Machines on face
embeddings extracted from a pre-trained Convolutional Neural Network for facial
expression classification. Furthermore, we highlight the explainable nature of
our NeutrEx measures by computing per-vertex distances to unveil the most
impactful face regions and allow operators to give actionable feedback to
subjects.
- Abstract(参考訳): 正確な顔認識システムは、国境管理やマイグレーション管理のようなセンシティブなアプリケーションでますます重要になっている。
したがって、低品質の画像が認識精度に影響を与えないように、顔画像の品質を定量化することが重要となる。
この文脈において、ISO/IEC 29794-5の現在の草案は、コンポーネント品質の概念を導入し、変化の単一要因が認識結果にどのように影響するかを推定する。
本研究では,中性表現アンカーへの3次元顔再構成の蓄積距離に基づく品質指標(NeutrEx)を提案する。
顔表情分類のための畳み込みニューラルネットワークから抽出した顔埋め込みに対する支援ベクトルマシンの訓練により得られたベースラインアプローチと比較して,提案手法の優位性を示す。
さらに,頂点距離を計算し,最も影響の大きい顔領域を明らかにし,オペレーターが被験者に対してアクション可能なフィードバックを行えるようにすることで,neutrex測定の説明可能な性質を強調する。
関連論文リスト
- Boosting Cross-Quality Face Verification using Blind Face Restoration [0.13654846342364302]
低画質画像の知覚品質を高めるためには,顔認証の課題が不可欠である。
本稿では,3つの最先端のブラインドフェイス復元技術が顔認証システムの性能に与える影響について検討する。
論文 参考訳(メタデータ) (2023-08-15T18:05:19Z) - Recognizability Embedding Enhancement for Very Low-Resolution Face
Recognition and Quality Estimation [21.423956631978186]
本研究では,視覚的品質ではなく,埋め込み空間における顔の認識性を高めるための原則的アプローチについて検討する。
まず、頑健な学習に基づく顔認識度尺度、すなわち認識可能性指標(RI)を定式化する。
次に、認識不能な顔クラスタから低RIで埋め込んだ難認識顔を、認識不能な顔クラスタから切り離して、認識可能性の向上を反映した指標変換損失を考案する。
論文 参考訳(メタデータ) (2023-04-20T03:18:03Z) - Pose Impact Estimation on Face Recognition using 3D-Aware Synthetic Data
with Application to Quality Assessment [8.695160236142456]
本稿では,3次元認識型生成逆数ネットワークの進歩を踏まえ,新しいデータセットSyn-YawPitchを提案する。
本研究では,30度を超えるピッチ角が,現在の顔認識システムの生体特性に有意な影響を及ぼすことを示す。
論文 参考訳(メタデータ) (2023-03-01T13:26:39Z) - Progressive Spatio-Temporal Bilinear Network with Monte Carlo Dropout
for Landmark-based Facial Expression Recognition with Uncertainty Estimation [93.73198973454944]
提案手法の性能は, 広く使用されている3つのデータセットで評価される。
ビデオベースの最先端の手法に匹敵するが、複雑さははるかに少ない。
論文 参考訳(メタデータ) (2021-06-08T13:40:30Z) - 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) - Face Anti-Spoofing Via Disentangled Representation Learning [90.90512800361742]
顔認識システムのセキュリティには、顔の偽造が不可欠だ。
本稿では,画像から生意気な特徴やコンテンツの特徴を乱す顔のアンチ・スプーフィングの新たな視点を提案する。
論文 参考訳(メタデータ) (2020-08-19T03:54:23Z) - Deep Face Super-Resolution with Iterative Collaboration between
Attentive Recovery and Landmark Estimation [92.86123832948809]
本稿では,2つの繰り返しネットワーク間の反復的協調による深層面超解像(FSR)手法を提案する。
各繰り返しステップにおいて、リカバリブランチは、ランドマークの事前の知識を利用して、高品質な画像を生成する。
新しい注意融合モジュールはランドマークマップのガイダンスを強化するために設計されている。
論文 参考訳(メタデータ) (2020-03-29T16:04:48Z) - SER-FIQ: Unsupervised Estimation of Face Image Quality Based on
Stochastic Embedding Robustness [15.431761867166]
任意の顔認識モデルに基づいて顔の質を測定する新しい概念を提案する。
提案手法を,学界と産業界からの6つの最先端アプローチと比較した。
論文 参考訳(メタデータ) (2020-03-20T16:50:30Z) - Verifying Deep Learning-based Decisions for Facial Expression
Recognition [0.8137198664755597]
我々は、ニューラルネットワークを用いて表情を分類し、画素ベースの説明を作成する。
顔領域に対するバウンディングボックス法に基づいて,これらの視覚的説明を定量化する。
以上の結果から,ニューラルネットワークは最先端の結果を達成できることが示されたが,視覚的説明から,関連する顔面領域を考慮できないことが明らかとなった。
論文 参考訳(メタデータ) (2020-02-14T15:59:32Z) - Joint Deep Learning of Facial Expression Synthesis and Recognition [97.19528464266824]
顔表情の合成と認識を効果的に行うための新しい統合深層学習法を提案する。
提案手法は, 2段階の学習手順を伴い, まず, 表情の異なる顔画像を生成するために, 表情合成生成対向ネットワーク (FESGAN) を事前訓練する。
実画像と合成画像間のデータバイアスの問題を軽減するために,新しい実データ誘導バックプロパゲーション(RDBP)アルゴリズムを用いたクラス内損失を提案する。
論文 参考訳(メタデータ) (2020-02-06T10:56:00Z) - Exploiting Semantics for Face Image Deblurring [121.44928934662063]
本稿では,深層畳み込みニューラルネットワークによる意味的手がかりを利用して,効果的かつ効率的な顔分解アルゴリズムを提案する。
顔のセマンティックラベルを入力先として組み込んで,顔の局所構造を正規化するための適応的構造損失を提案する。
提案手法は、より正確な顔の特徴と細部を持つシャープ画像を復元する。
論文 参考訳(メタデータ) (2020-01-19T13:06:27Z)
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。