論文の概要: Video Face Re-Aging: Toward Temporally Consistent Face Re-Aging

• arxiv url: http://arxiv.org/abs/2311.11642v3
• Date: Thu, 14 Mar 2024 09:13:55 GMT
• ステータス: 処理完了
• システム内更新日: 2024-03-16 02:12:48.810133
• Title: Video Face Re-Aging: Toward Temporally Consistent Face Re-Aging
• Title（参考訳）: ビデオの顔の再老化: 一時的に一貫性のある顔の再老化に向けて
• Authors: Abdul Muqeet, Kyuchul Lee, Bumsoo Kim, Yohan Hong, Hyungrae Lee, Woonggon Kim, KwangHee Lee,
• Abstract要約: ビデオの顔のリエイジは、人の見かけの年齢をビデオのターゲット年齢に変更する。 ほとんどの再老化手法は、ビデオの時間的一貫性を考慮せずに、個々の画像を個別に処理する。 多様な年齢層にまたがって対象を特徴付ける新しい合成ビデオデータセットを提案する。
• 参考スコア（独自算出の注目度）: 5.252268654349522
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Video face re-aging deals with altering the apparent age of a person to the target age in videos. This problem is challenging due to the lack of paired video datasets maintaining temporal consistency in identity and age. Most re-aging methods process each image individually without considering the temporal consistency of videos. While some existing works address the issue of temporal coherence through video facial attribute manipulation in latent space, they often fail to deliver satisfactory performance in age transformation. To tackle the issues, we propose (1) a novel synthetic video dataset that features subjects across a diverse range of age groups; (2) a baseline architecture designed to validate the effectiveness of our proposed dataset, and (3) the development of novel metrics tailored explicitly for evaluating the temporal consistency of video re-aging techniques. Our comprehensive experiments on public datasets, including VFHQ and CelebA-HQ, show that our method outperforms existing approaches in age transformation accuracy and temporal consistency. Notably, in user studies, our method was preferred for temporal consistency by 48.1\% of participants for the older direction and by 39.3\% for the younger direction.
• Abstract（参考訳）: ビデオの顔のリエイジは、人の見かけの年齢をビデオのターゲット年齢に変更する。 この問題は、ペア化されたビデオデータセットがアイデンティティと年齢の時間的一貫性を維持していないため、難しい。 ほとんどの再老化手法は、ビデオの時間的一貫性を考慮せずに、個々の画像を個別に処理する。 いくつかの既存の研究は、潜伏空間におけるビデオ顔属性の操作による時間的コヒーレンス(英語版)の問題に対処しているが、年齢変化において満足なパフォーマンスを達成できない場合が多い。 課題に対処するために,(1)多様な年齢層を対象とする新しい合成ビデオデータセット,(2)提案したデータセットの有効性を検証するためのベースラインアーキテクチャ,(3)ビデオ再生技術の時間的一貫性を明示的に評価するための新しいメトリクスの開発を提案する。 VFHQやCelebA-HQといった公開データセットに関する包括的実験により、我々の手法は年齢変化の精度と時間的整合性において既存の手法よりも優れていることが示された。 特にユーザ調査では,48.1\%の参加者,39.3\%の若年者に対して,時間的一貫性を優先した。

関連論文リスト

• P-Age: Pexels Dataset for Robust Spatio-Temporal Apparent Age Classification [0.7234862895932991]
  AgeFormerは、年齢分類のためのボディフェイスベースの方法全体のダイナミクスの情報を利用する。 ビデオから現実の状況における年齢予測のギャップを埋めるため,Pexels Ageというビデオデータセットを構築した。 提案手法は既存の顔に基づく年齢推定法と比較して優れた結果が得られる。
  論文  参考訳（メタデータ） (2023-11-04T15:23:21Z)
• Age Prediction From Face Images Via Contrastive Learning [1.7705784090599048]
  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。
  論文  参考訳（メタデータ） (2023-08-23T03:43:34Z)
• Transform-Equivariant Consistency Learning for Temporal Sentence Grounding [66.10949751429781]
  ビデオ毎により差別的な表現を学習するために,新しい同変一貫性規則学習フレームワークを導入する。 私たちのモチベーションは、クエリ誘導アクティビティの時間的境界を一貫して予測することにある。 特に,ビデオの完全性と滑らか性を高めるために,自己教師付き一貫性損失モジュールを考案した。
  論文  参考訳（メタデータ） (2023-05-06T19:29:28Z)
• Generating Long Videos of Dynamic Scenes [66.56925105992472]
  本稿では、物体の動きを再現する映像生成モデル、カメラ視点の変化、時間とともに現れる新しいコンテンツについて述べる。 よくある障害ケースは、コンテンツが時間的一貫性を提供する誘導バイアスに過度に依存するため、決して変化しないことです。
  論文  参考訳（メタデータ） (2022-06-07T16:29:51Z)
• 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)
• Continuous Face Aging Generative Adversarial Networks [11.75204350455584]
  顔の老化は、入力画像の顔を指定された年齢に翻訳することを目的としたタスクです。 それまでの方法は、それぞれが10年からなる離散年齢群を生成できるだけに限られていた。 CFA-GAN (Continuous face aging generative adversarial Network) を提案する。
  論文  参考訳（メタデータ） (2021-02-26T06:22:25Z)
• PFA-GAN: Progressive Face Aging with Generative Adversarial Network [19.45760984401544]
  本論文では,PFA-GANを基盤とした新しい顔老化フレームワークを提案する。 このフレームワークは、蓄積されたアーティファクトと曖昧さを取り除くために、エンドツーエンドでトレーニングすることができる。 実験により,既存の (c) GANs 法よりも優れた性能を示した。
  論文  参考訳（メタデータ） (2020-12-07T05:45:13Z)
• 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)
• Blind Video Temporal Consistency via Deep Video Prior [61.062900556483164]
  視覚的ビデオの時間的整合性に対する新規で一般的なアプローチを提案する。 本手法は,一対のオリジナルビデオとプロセッシングビデオを直接トレーニングするのみである。 本稿では,Deep Video Priorを用いてビデオ上の畳み込みネットワークをトレーニングすることにより,時間的一貫性を実現することができることを示す。
  論文  参考訳（メタデータ） (2020-10-22T16:19:20Z)
• 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)

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。