論文の概要: Kinship Verification from rPPG using 1DCNN Attention networks

• arxiv url: http://arxiv.org/abs/2309.08006v1
• Date: Thu, 14 Sep 2023 19:33:11 GMT
• ステータス: 処理完了
• システム内更新日: 2023-09-18 16:55:35.714695
• Title: Kinship Verification from rPPG using 1DCNN Attention networks
• Title（参考訳）: 1DCNNアテンションネットワークを用いたrPPGのキンシップ検証
• Authors: Xiaoting Wu, Xiaoyi Feng, Lili Liu, Constantino \'Alvarez Casado and Miguel Bordallo L\'opez
• Abstract要約: 本稿では,1DCNN-Attentionモジュールを用いた1次元ニューラルコナールニューラルネットワーク (1DCNN) を提案する。 提案手法は,異なる親族関係からUvANEMO Smile Databaseを用いて評価する。
• 参考スコア（独自算出の注目度）: 7.025989814837362
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Facial kinship verification aims at automatically determining whether two subjects have a kinship relation. It has been widely studied from different modalities, such as faces, voices, gait, and smiling expressions. However, the potential of bio-signals, such as remote Photoplethysmography (rPPG) extracted from facial videos, remains largely unexplored in the kinship verification problem. In this paper, we investigate for the first time the usage of the rPPG signal for kinship verification. Specifically, we proposed a one-dimensional Convolutional Neural Network (1DCNN) with a 1DCNN-Attention module and contrastive loss to learn the kinship similarity from rPPGs. The network takes multiple rPPG signals extracted from various facial Regions of Interest (ROIs) as inputs. Additionally, the 1DCNN attention module is designed to learn and capture the discriminative kin features from feature embeddings. Finally, the proposed method is evaluated on the UvANEMO Smile Database from different kin relations, showing the usefulness of rPPG signals in verifying kinship.
• Abstract（参考訳）: 顔の親族関係の検証は、2人の被験者が親族関係を持っているかどうかを自動的に判定することを目的としている。 顔、声、歩行、笑顔の表情など、様々な形態から広く研究されている。 しかし, 顔映像から抽出した遠隔光胸シンモグラフィ(rppg)のような生体信号の可能性は, 近親相姦検証問題においてほとんど解明されていない。 本稿では,RPPG信号の親和性検証への利用を初めて検討する。 具体的には,1次元畳み込みニューラルネットワーク (1DCNN) を1DCNN-Attentionモジュールで提案し,RPPGsから親和性類似性を学習する。 ネットワークは、様々な関心領域(ROI)から抽出された複数のrPPG信号を入力として取り出す。 さらに、1dcnn attentionモジュールは、特徴埋め込みから識別可能なkin機能を学習し、キャプチャするように設計されている。 提案手法は,親族関係の異なるuvanemo smileデータベース上で評価し,親族関係の検証におけるrppg信号の有用性を示した。

関連論文リスト

• Biometric Authentication Based on Enhanced Remote Photoplethysmography Signal Morphology [31.017229351857655]
  リモート・フォトプレソグラフィー (Remote Photoplethhymography) は、顔画像から心臓の信号を計測する非接触法である。 近年の研究では、各個人が生体認証識別子として使用できる独自のc信号形態を持っていることが示されている。 提案手法では,rの認証モデルをトレーニングするために,対象ID付き顔画像のみを識別する。
  論文  参考訳（メタデータ） (2024-07-04T19:00:34Z)
• Dual-path TokenLearner for Remote Photoplethysmography-based Physiological Measurement with Facial Videos [24.785755814666086]
  本稿では,学習可能なトークンの概念を利用して,ビデオのグローバルな視点から空間的・時間的情報的コンテキストを統合する。 TTL(Temporal TokenLearner)は、頭部運動などの時間的乱れを排除し、心拍の準周期パターンを推定するように設計されている。
  論文  参考訳（メタデータ） (2023-08-15T13:45:45Z)
• Privacy-Preserving Remote Heart Rate Estimation from Facial Videos [19.442685015494316]
  ディープラーニング技術は摂動攻撃に弱いため、重大なデータ漏洩が発生する可能性がある。 顔の特定領域を識別情報が少ない状態で抽出し,次にピクセルシャッフルとぼかしを行うデータ手法を提案する。 本稿では,顔認識アルゴリズムの精度を60%以上削減し,r抽出への影響を最小限に抑える。
  論文  参考訳（メタデータ） (2023-06-01T20:48:04Z)
• Benchmarking Joint Face Spoofing and Forgery Detection with Visual and Physiological Cues [81.15465149555864]
  視覚的外観と生理的rcuesを用いた第1回関節スプーフィングおよび検出ベンチマークを作成した。 r周期性判別を強化するために,顔の強信号マップと連続ウェーブレットを入力として変換した2分岐生理ネットワークを設計した。
  論文  参考訳（メタデータ） (2022-08-10T15:41:48Z)
• Identifying Rhythmic Patterns for Face Forgery Detection and Categorization [46.21354355137544]
  本研究では, PPG信号に対する空間時間フィルタリングネットワーク (STFNet) と, PPG信号の制約と相互作用のための空間時間インタラクションネットワーク (STINet) からなる顔偽造検出と分類のためのフレームワークを提案する。 フォージェリーメソッドの生成に関する知見を得て,フレームワークの性能を高めるために,イントラソースとイントラソースのブレンディングを提案する。
  論文  参考訳（メタデータ） (2022-07-04T04:57:06Z)
• An Adversarial Human Pose Estimation Network Injected with Graph Structure [75.08618278188209]
  本稿では,いくつかの関節が見えない場合に,可視関節の局所化精度を向上させるために,新しいGAN(Generative Adversarial Network)を設計する。 ネットワークは、2つのシンプルで効率的なモジュール、カスケード機能ネットワーク(CFN)とグラフ構造ネットワーク(GSN)で構成されています。
  論文  参考訳（メタデータ） (2021-03-29T12:07:08Z)
• Retinopathy of Prematurity Stage Diagnosis Using Object Segmentation and Convolutional Neural Networks [68.96150598294072]
  未熟児網膜症(英: Retinopathy of Prematurity、ROP)は、主に体重の低い未熟児に影響を及ぼす眼疾患である。 網膜の血管の増殖を招き、視力喪失を招き、最終的には網膜剥離を招き、失明を引き起こす。 近年,ディープラーニングを用いて診断を自動化する試みが盛んに行われている。 本稿では,従来のモデルの成功を基盤として,オブジェクトセグメンテーションと畳み込みニューラルネットワーク(CNN)を組み合わせた新しいアーキテクチャを開発する。 提案システムでは,まず対象分割モデルを訓練し,画素レベルでの区切り線を識別し,その結果のマスクを追加の"カラー"チャネルとして付加する。
  論文  参考訳（メタデータ） (2020-04-03T14:07:41Z)
• Spectrum Translation for Cross-Spectral Ocular Matching [59.17685450892182]
  バイオメトリックスでは、特に眼領域において、クロススペクトル検証が大きな問題となっている。 近赤外画像と視覚光画像のスペクトル変換におけるコンディショナル・ディバイサル・ネットワークの利用について検討した。
  論文  参考訳（メタデータ） (2020-02-14T19:30:31Z)
• 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)

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。