論文の概要: MetaFBP: Learning to Learn High-Order Predictor for Personalized Facial Beauty Prediction

• arxiv url: http://arxiv.org/abs/2311.13929v1
• Date: Thu, 23 Nov 2023 11:30:02 GMT
• ステータス: 処理完了
• システム内更新日: 2023-11-28 00:11:11.123366
• Title: MetaFBP: Learning to Learn High-Order Predictor for Personalized Facial Beauty Prediction
• Title（参考訳）: metafbp:パーソナライズされた美容予測のための高次予測学習
• Authors: Luojun Lin, Zhifeng Shen, Jia-Li Yin, Qipeng Liu, Yuanlong Yu, Weijie Chen
• Abstract要約: 我々は,各ユーザによって評価された少数の画像のみを用いて,個々の美的嗜好に適応できるマシンを開発する。 そこで我々は,審美的共通性を捉え,審美的個性に適応するために,普遍的な特徴抽出器を考案するメタFBPフレームワークを提案する。
• 参考スコア（独自算出の注目度）: 21.47957374946207
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Predicting individual aesthetic preferences holds significant practical applications and academic implications for human society. However, existing studies mainly focus on learning and predicting the commonality of facial attractiveness, with little attention given to Personalized Facial Beauty Prediction (PFBP). PFBP aims to develop a machine that can adapt to individual aesthetic preferences with only a few images rated by each user. In this paper, we formulate this task from a meta-learning perspective that each user corresponds to a meta-task. To address such PFBP task, we draw inspiration from the human aesthetic mechanism that visual aesthetics in society follows a Gaussian distribution, which motivates us to disentangle user preferences into a commonality and an individuality part. To this end, we propose a novel MetaFBP framework, in which we devise a universal feature extractor to capture the aesthetic commonality and then optimize to adapt the aesthetic individuality by shifting the decision boundary of the predictor via a meta-learning mechanism. Unlike conventional meta-learning methods that may struggle with slow adaptation or overfitting to tiny support sets, we propose a novel approach that optimizes a high-order predictor for fast adaptation. In order to validate the performance of the proposed method, we build several PFBP benchmarks by using existing facial beauty prediction datasets rated by numerous users. Extensive experiments on these benchmarks demonstrate the effectiveness of the proposed MetaFBP method.
• Abstract（参考訳）: 個人の美的嗜好を予測することは、人間社会に重要な実用的応用と学術的意味を持つ。 しかし,既存の研究では顔の魅力の共通性を学習・予測することを中心に,Personalized Facial Beauty Prediction (PFBP)にはほとんど注目されていない。 PFBPは、個々の審美的嗜好に適応できるマシンを開発することを目的としており、各ユーザーによって評価される画像はわずかである。 本稿では,各ユーザがメタタスクに対応するメタ学習の観点から,このタスクを定式化する。 このようなpfbp課題に対処するために、社会における視覚美学がガウス分布に従う人間の美的メカニズムからインスピレーションを得て、ユーザの嗜好を共通性と個性部分とに切り離すことを動機付ける。 そこで本研究では,ユニバーサル特徴抽出器を考案し,審美的共通性を捉え,メタラーニング機構を介して予測器の判断境界をシフトすることで審美的個性に適応するように最適化した,新しいメタfbpフレームワークを提案する。 適応の遅さや小さなサポートセットへの過剰適合に苦しむ従来のメタ学習手法とは異なり、高速適応のための高次予測器を最適化する新しい手法を提案する。 提案手法の性能を検証するために,既存の顔美観予測データセットを用いて複数のpfbpベンチマークを構築した。 これらのベンチマーク実験により,MetaFBP法の有効性が示された。

関連論文リスト

• Provably Efficient Multi-Objective Bandit Algorithms under Preference-Centric Customization [24.533662423325943]
  明示的なユーザ嗜好の存在下で、嗜好を意識したMO-MABフレームワークについて検討する。 これは、明示的なユーザの好みを持つカスタマイズされたMO-MAB最適化に関する最初の理論的研究である。
  論文  参考訳（メタデータ） (2025-02-19T06:06:13Z)
• Personalized Preference Fine-tuning of Diffusion Models [75.22218338096316]
  拡散モデルとパーソナライズされた嗜好を整合させるマルチリワード最適化の目的であるPDを導入する。 PPDでは、拡散モデルがユーザーの個人の好みを数秒で学習する。 提案手法は,Stable Cascadeに対して平均76%の勝利率を達成し,特定のユーザの好みをより正確に反映した画像を生成する。
  論文  参考訳（メタデータ） (2025-01-11T22:38:41Z)
• PersonaMagic: Stage-Regulated High-Fidelity Face Customization with Tandem Equilibrium [55.72249032433108]
  PersonaMagicは、高忠実な顔のカスタマイズのために設計された、ステージ制御された生成技術である。 本手法は,顔の概念を捉えるために,特定の時間間隔内に一連の埋め込みを学習する。 定性評価と定量的評価の両方において、ペルソナマジックが最先端の手法よりも優れていることを確認する。
  論文  参考訳（メタデータ） (2024-12-20T08:41:25Z)
• Aligning Vision Models with Human Aesthetics in Retrieval: Benchmarks and Algorithms [91.19304518033144]
  検索システムにおける視覚モデルと人間の審美基準の整合を図る。 本研究では、視覚モデルと人間の美学をよりよく整合させるために、視覚モデルを微調整する嗜好に基づく強化学習手法を提案する。
  論文  参考訳（メタデータ） (2024-06-13T17:59:20Z)
• Faceptor: A Generalist Model for Face Perception [52.8066001012464]
  Faceptorは、よく設計されたシングルエンコーダのデュアルデコーダアーキテクチャを採用するために提案されている。 Faceptorへのレイヤアテンションにより、モデルが最適なレイヤから機能を適応的に選択して、望ましいタスクを実行することができる。 我々のトレーニングフレームワークは補助的な教師付き学習にも適用でき、年齢推定や表現認識といったデータスパースタスクの性能を大幅に向上させることができる。
  論文  参考訳（メタデータ） (2024-03-14T15:42:31Z)
• Appearance Debiased Gaze Estimation via Stochastic Subject-Wise Adversarial Learning [33.55397868171977]
  外観に基づく視線推定はコンピュータビジョンにおいて注目されており、様々な深層学習技術を用いて顕著な改善が達成されている。 本稿では,被験者の外観を一般化するネットワークを訓練する,SAZE学習という新しい枠組みを提案する。 実験の結果,MPIIGazeデータセットとEyeDiapデータセットの3.89と4.42をそれぞれ達成した。
  論文  参考訳（メタデータ） (2024-01-25T00:23:21Z)
• Interactive Hyperparameter Optimization in Multi-Objective Problems via Preference Learning [65.51668094117802]
  我々は多目的機械学習(ML)に適した人間中心型対話型HPO手法を提案する。 ユーザが自分のニーズに最も適した指標を推測する代わりに、私たちのアプローチは自動的に適切な指標を学習します。
  論文  参考訳（メタデータ） (2023-09-07T09:22:05Z)
• Multimodal Adaptive Fusion of Face and Gait Features using Keyless attention based Deep Neural Networks for Human Identification [67.64124512185087]
  歩行のような軟式生体認証は、人物認識や再識別といった監視作業において顔に広く使われている。 本稿では,キーレス注意深層ニューラルネットワークを活用することで,歩行と顔のバイオメトリック・キューを動的に組み込むための適応型マルチバイオメトリック・フュージョン戦略を提案する。
  論文  参考訳（メタデータ） (2023-03-24T05:28:35Z)
• Bayesian optimization for automatic design of face stimuli [2.572404739180802]
  本稿では,GANとベイズ最適化を組み合わせた新しいフレームワークを提案する。 形式的には、我々はベイズ最適化を用いて、最先端のGANモデルの潜在空間を効率的に探索し、新しい顔を自動的に生成することを目的としている。 このアルゴリズムは,顔の異なるセマンティック・トランスフォーメーションにまたがる応答をマッピングしながら,個人の最適な顔の特定を効率的に行う方法を示す。
  論文  参考訳（メタデータ） (2020-07-20T10:27:18Z)
• Automatic Personality Prediction; an Enhanced Method Using Ensemble Modeling [9.175926602405543]
  本研究の主な目的は,テキストから自動パーソナリティ予測の精度を高めることである。 我々は,用語頻度ベクトルベース,オントロジーベース,リッチセマンティック分析(LSA)ベース,深層学習ベース(BiLSTM)メソッドの5つの新しいAPP手法を提案する。 その結果,アンサンブルモデリングによりAPPの精度が向上することがわかった。
  論文  参考訳（メタデータ） (2020-07-09T06:05:10Z)

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。