論文の概要: FRCSyn Challenge at WACV 2024:Face Recognition Challenge in the Era of
Synthetic Data
- arxiv url: http://arxiv.org/abs/2311.10476v1
- Date: Fri, 17 Nov 2023 12:15:40 GMT
- ステータス: 処理完了
- システム内更新日: 2023-11-20 14:58:25.535966
- Title: FRCSyn Challenge at WACV 2024:Face Recognition Challenge in the Era of
Synthetic Data
- Title（参考訳）: WACV 2024におけるFRCSynチャレンジ:合成データ時代の顔認識チャレンジ
- Authors: Pietro Melzi and Ruben Tolosana and Ruben Vera-Rodriguez and Minchul
Kim and Christian Rathgeb and Xiaoming Liu and Ivan DeAndres-Tame and Aythami
Morales and Julian Fierrez and Javier Ortega-Garcia and Weisong Zhao and
Xiangyu Zhu and Zheyu Yan and Xiao-Yu Zhang and Jinlin Wu and Zhen Lei and
Suvidha Tripathi and Mahak Kothari and Md Haider Zama and Debayan Deb and
Bernardo Biesseck and Pedro Vidal and Roger Granada and Guilherme Fickel and
Gustavo F\"uhr and David Menotti and Alexander Unnervik and Anjith George and
Christophe Ecabert and Hatef Otroshi Shahreza and Parsa Rahimi and
S\'ebastien Marcel and Ioannis Sarridis and Christos Koutlis and Georgia
Baltsou and Symeon Papadopoulos and Christos Diou and Nicol\`o Di Domenico
and Guido Borghi and Lorenzo Pellegrini and Enrique Mas-Candela and \'Angela
S\'anchez-P\'erez and Andrea Atzori and Fadi Boutros and Naser Damer and
Gianni Fenu and Mirko Marras
- Abstract要約: 本稿では,WACV 2024 で組織された FRCSyn における顔認識チャレンジの概要について述べる。
これは、顔認識における合成データの利用を探求し、テクノロジーの既存の限界に対処する最初の国際的課題である。
- 参考スコア（独自算出の注目度）: 82.5767720132393
- License: http://creativecommons.org/licenses/by-nc-nd/4.0/
- Abstract: Despite the widespread adoption of face recognition technology around the
world, and its remarkable performance on current benchmarks, there are still
several challenges that must be covered in more detail. This paper offers an
overview of the Face Recognition Challenge in the Era of Synthetic Data
(FRCSyn) organized at WACV 2024. This is the first international challenge
aiming to explore the use of synthetic data in face recognition to address
existing limitations in the technology. Specifically, the FRCSyn Challenge
targets concerns related to data privacy issues, demographic biases,
generalization to unseen scenarios, and performance limitations in challenging
scenarios, including significant age disparities between enrollment and
testing, pose variations, and occlusions. The results achieved in the FRCSyn
Challenge, together with the proposed benchmark, contribute significantly to
the application of synthetic data to improve face recognition technology.
- Abstract（参考訳）: 世界中の顔認識技術が広く採用され、現在のベンチマークで目覚ましいパフォーマンスを誇っているにもかかわらず、もっと詳細にカバーしなければならない課題はいくつかある。
本稿では,WACV 2024で組織された合成データ時代における顔認識チャレンジの概要について述べる。
これは、顔認識における合成データの利用を探求し、テクノロジーの既存の限界に対処する最初の国際的課題である。
具体的には、FRCSyn Challengeは、データプライバシの問題、人口統計バイアス、目に見えないシナリオへの一般化、挑戦シナリオにおけるパフォーマンス制限に関する懸念をターゲットにしている。
FRCSyn Challengeで得られた結果は、提案したベンチマークとともに、顔認識技術を改善するための合成データの適用に大きく貢献する。
関連論文リスト
- Second Edition FRCSyn Challenge at CVPR 2024: Face Recognition Challenge in the Era of Synthetic Data [104.45155847778584]
本稿では,合成データ時代における第2回顔認識チャレンジの概要について述べる。
FRCSynは、現在の技術的制限に対処するために、顔認識における合成データの使用について調査することを目的としている。
論文 参考訳（メタデータ） (2024-04-16T08:15:10Z) - SDFR: Synthetic Data for Face Recognition Competition [51.9134406629509]
大規模な顔認識データセットは、インターネットをクロールして個人の同意なしに収集し、法的、倫理的、プライバシー上の懸念を提起する。
近年、ウェブクローリングされた顔認識データセットにおける懸念を軽減するために、合成顔認識データセットの生成が提案されている。
本稿では,第18回IEEE International Conference on Automatic Face and Gesture Recognition (FG 2024)と共同で開催されているSynthetic Data for Face Recognition (SDFR)コンペティションの概要を紹介する。
SDFRコンペティションは2つのタスクに分けられ、参加者は新しい合成データセットまたは/または既存のデータセットを使用して顔認識システムを訓練することができる。
論文 参考訳（メタデータ） (2024-04-06T10:30:31Z) - If It's Not Enough, Make It So: Reducing Authentic Data Demand in Face Recognition through Synthetic Faces [16.977459035497162]
大規模な顔データセットは、主にWebベースのイメージから作成され、明示的なユーザの同意が欠如している。
本稿では,合成顔データを用いて効果的な顔認識モデルの訓練を行う方法について検討する。
論文 参考訳（メタデータ） (2024-04-04T15:45:25Z) - SynFacePAD 2023: Competition on Face Presentation Attack Detection Based
on Privacy-aware Synthetic Training Data [51.42380508231581]
バイオメトリックス国際会議(IJCB 2023)におけるプライバシ・アウェア・シンセティック・トレーニングデータ(SynFacePAD 2023)に基づく顔提示攻撃検出コンペティションの概要を述べる。
このコンペティションは、個人データに関連するプライバシー、法的、倫理的懸念に動機づけられた、合成ベースのトレーニングデータを考慮して、顔の提示攻撃を検出するソリューションを動機付け、誘致することを目的としている。
提案されたソリューションはイノベーションと新しいアプローチを示し、調査されたベンチマークで考慮されたベースラインを上回りました。
論文 参考訳（メタデータ） (2023-11-09T13:02:04Z) - IDiff-Face: Synthetic-based Face Recognition through Fizzy
Identity-Conditioned Diffusion Models [15.217324893166579]
合成データセットは、顔認識開発のためのプライバシーに敏感な認証データに代わる有望な選択肢として登場した。
IDiff-Faceは、顔認識訓練のための現実的なアイデンティティ変動を伴う合成ID生成のための条件付き潜時拡散モデルに基づく、新しいアプローチである。
論文 参考訳（メタデータ） (2023-08-09T14:48:31Z) - Synthetic Data for Face Recognition: Current State and Future Prospects [14.288753326973984]
本研究の目的は,顔認識における合成顔データの利用事例を明確かつ構造化した画像を提供することである。
本稿では,顔認識における合成データの利用に直面する課題と,顔認識分野における合成データの今後の展望について論じる。
論文 参考訳（メタデータ） (2023-05-01T18:25:22Z) - Wild Face Anti-Spoofing Challenge 2023: Benchmark and Results [73.98594459933008]
顔認証システム(FAS)は、顔認識システムの完全性を保護するための重要なメカニズムである。
この制限は、公開可能なFASデータセットの不足と多様性の欠如に起因する可能性がある。
制約のない環境で収集された大規模で多様なFASデータセットであるWild Face Anti-Spoofingデータセットを紹介した。
論文 参考訳（メタデータ） (2023-04-12T10:29:42Z) - 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)
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。