論文の概要: Age Prediction From Face Images Via Contrastive Learning
- arxiv url: http://arxiv.org/abs/2308.11896v1
- Date: Wed, 23 Aug 2023 03:43:34 GMT
- ステータス: 処理完了
- システム内更新日: 2023-08-24 15:58:41.583036
- Title: Age Prediction From Face Images Via Contrastive Learning
- Title（参考訳）: コントラスト学習による顔画像からの年齢予測
- Authors: Yeongnam Chae, Poulami Raha, Mijung Kim, Bjorn Stenger
- Abstract要約: 我々は、異なる年齢の異なる人物の容易に利用可能な顔データセットを活用し、コントラスト学習を用いて年齢に関連する特徴を抽出することを目的としている。
提案手法は,コサイン類似度とトリプルトマージン損失の組合せを用いて,同一性に関連する特徴を抑えながら,関連する特徴を強調した。
- 参考スコア（独自算出の注目度）: 1.7705784090599048
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: This paper presents a novel approach for accurately estimating age from face
images, which overcomes the challenge of collecting a large dataset of
individuals with the same identity at different ages. Instead, we leverage
readily available face datasets of different people at different ages and aim
to extract age-related features using contrastive learning. Our method
emphasizes these relevant features while suppressing identity-related features
using a combination of cosine similarity and triplet margin losses. We
demonstrate the effectiveness of our proposed approach by achieving
state-of-the-art performance on two public datasets, FG-NET and MORPH-II.
- Abstract（参考訳）: 本稿では,顔画像から年齢を正確に推定するための新しいアプローチを提案する。
代わりに、異なる年齢の異なる人々の容易に利用可能な顔データセットを利用し、対比学習を用いて年齢に関連した特徴を抽出することを目指している。
提案手法は,コサイン類似度とトリプルトマージン損失を併用したアイデンティティ関連特徴を抑えながら,これらの特徴を強調した。
本稿では,FG-NET と MORPH-II の2つの公開データセット上での最先端性能の実現による提案手法の有効性を示す。
関連論文リスト
- Cross-Age Contrastive Learning for Age-Invariant Face Recognition [29.243096587091575]
年齢差の顔画像は一般的に収集が困難で費用がかかる。
異なる年齢の同じ被験者の画像は通常入手が困難または不可能である。
クロスエイジコントラスト学習(CACon)という,新たな半教師付き学習手法を提案する。
論文 参考訳（メタデータ） (2023-12-18T13:41:21Z) - Age-Invariant Face Embedding using the Wasserstein Distance [10.508187462682308]
同一人物の画像が有意な年齢差を示すデータセットにおける顔認証について検討した。
本稿では,マルチタスク学習とワッサーシュタイン距離判別器を用いて,年齢とアイデンティティの埋め込みをアンタングル化する手法を提案する。
論文 参考訳（メタデータ） (2023-05-04T11:33:37Z) - When Age-Invariant Face Recognition Meets Face Age Synthesis: A
Multi-Task Learning Framework and A New Benchmark [45.31997043789471]
MTLFaceは、モデル解釈のための表情合成を行いながら、年齢不変の識別関連表現を顔認識のために学習することができる。
我々は、年齢と性別のアノテーションを備えた大規模な顔データセットと、長寿児の追跡に特化して設計された新しいベンチマークをリリースする。
論文 参考訳（メタデータ） (2022-10-17T07:04:19Z) - Deep Collaborative Multi-Modal Learning for Unsupervised Kinship
Estimation [53.62256887837659]
キンシップ検証は、コンピュータビジョンにおける長年の研究課題である。
本稿では,顔特性に表される基礎情報を統合するために,新しい協調型多モーダル学習(DCML)を提案する。
我々のDCML法は、常に最先端のキンシップ検証法よりも優れている。
論文 参考訳（メタデータ） (2021-09-07T01:34:51Z) - 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) - When Age-Invariant Face Recognition Meets Face Age Synthesis: A
Multi-Task Learning Framework [20.579282497730944]
MTLFaceは、顔合成を楽しみながら、年齢不変のアイデンティティ関連表現を学習することができる。
グループレベルのfasを実現する従来のone-hotエンコーディングとは対照的に,アイデンティティレベルfasを実現するための新しいid条件モジュールを提案する。
5つのベンチマーククロスエイジデータセットに対する大規模な実験は、提案したMTLFaceの優れた性能を示す。
論文 参考訳（メタデータ） (2021-03-02T07:03:27Z) - 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) - Enhancing Facial Data Diversity with Style-based Face Aging [59.984134070735934]
特に、顔データセットは、通常、性別、年齢、人種などの属性の観点からバイアスされる。
本稿では, 細粒度の老化パターンをキャプチャするデータ拡張のための, 生成スタイルに基づく新しいアーキテクチャを提案する。
提案手法は, 年齢移動のための最先端アルゴリズムよりも優れていることを示す。
論文 参考訳（メタデータ） (2020-06-06T21:53:44Z) - Dual-Attention GAN for Large-Pose Face Frontalization [59.689836951934694]
本稿では,フォトリアリスティック顔フロンダル化のためのDA-GAN(Dual-Attention Generative Adversarial Network)を提案する。
具体的には、ローカル機能と長距離依存関係を統合するために、自己アテンションベースのジェネレータが導入された。
顔領域の局所的特徴を強調するために,新しい顔認識に基づく識別器を適用した。
論文 参考訳（メタデータ） (2020-02-17T20:00:56Z)
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。