論文の概要: A Powerful Face Preprocessing For Robust Kinship Verification based Tensor Analyses

• arxiv url: http://arxiv.org/abs/2312.11290v1
• Date: Mon, 18 Dec 2023 15:33:26 GMT
• ステータス: 処理完了
• システム内更新日: 2023-12-20 19:29:32.601899
• Title: A Powerful Face Preprocessing For Robust Kinship Verification based Tensor Analyses
• Title（参考訳）: ロバスト系検証に基づくテンソル解析のための強力な顔前処理
• Authors: Ammar chouchane, Mohcene Bessaoudi, Abdelmalik Ouamane
• Abstract要約: 子どもと親の顔画像から始まる関連性をチェックするシステムを導入し,その関連性の有無を明らかにする。 以上の結果から,現在使用されている他の戦略と比較すると,システムは堅牢であることがわかった。
• 参考スコア（独自算出の注目度）: 0.6829272097221595
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Kinship verification using facial photographs captured in the wild is difficult area of research in the science of computer vision. It might be used for a variety of applications, including image annotation and searching for missing children, etc. The largest challenge to kinship verification in practice is the fact that parent and child photos frequently differ significantly from one another. How to effectively respond to such a challenge is important improving the efficiency of kinship verification. For this purpose, we introduce a system to check relatedness that starts with a pair of face images of a child and a parent, after which it is revealed whether two people are related or not. The first step in our approach is face preprocessing with two methods, a Retinex filter and an ellipse mask, then a feature extraction step based on hist-Gabor wavelets, which is used before an efficient dimensionality reduction method called TXQDA. Finally, determine if there is a relationship. By using Cornell KinFace benchmark database, we ran a number of tests to show the efficacy of our strategy. Our findings show that, in comparison to other strategies currently in use, our system is robust.
• Abstract（参考訳）: 野生で撮影された顔写真を用いた交配検証は、コンピュータビジョン科学における研究の難しい領域である。 画像アノテーションや行方不明の子どもの検索など、さまざまなアプリケーションで使用される可能性がある。 実際には、親子写真と子写真が互いに大きく異なるという事実が、親子認証の最大の課題である。 このような課題に効果的に対応するには、親族検証の効率を改善することが重要である。 そこで本研究では,子どもと親の対面画像から開始した関連性をチェックするシステムを提案する。 このアプローチの最初のステップは、retinexフィルタとellipseマスクという2つの方法による顔前処理であり、それから、txqdaと呼ばれる効率的な次元縮小法の前に使用されるhist-gaborウェーブレットに基づく特徴抽出ステップである。 最後に、関係があるかどうかを決定する。 Cornell KinFaceベンチマークデータベースを使用することで、戦略の有効性を示すために、数多くのテストを実行しました。 その結果,現在使用されている他の戦略と比較すると,システムは非常に堅牢であることがわかった。

関連論文リスト

• Effective Adapter for Face Recognition in the Wild [72.75516495170199]
  私たちは、画像が低品質で現実世界の歪みに悩まされる、野生の顔認識の課題に取り組みます。 従来のアプローチでは、劣化した画像や、顔の復元技術を使って強化された画像を直接訓練するが、効果がないことが証明された。 高品質な顔データセットで訓練された既存の顔認識モデルを強化するための効果的なアダプタを提案する。
  論文  参考訳（メタデータ） (2023-12-04T08:55:46Z)
• Exploring Decision-based Black-box Attacks on Face Forgery Detection [53.181920529225906]
  顔の偽造生成技術は鮮明な顔を生み出し、セキュリティとプライバシーに対する世間の懸念を高めている。 顔偽造検出は偽の顔の識別に成功しているが、最近の研究では顔偽造検出は敵の例に対して非常に脆弱であることが示されている。
  論文  参考訳（メタデータ） (2023-10-18T14:49:54Z)
• FACE-AUDITOR: Data Auditing in Facial Recognition Systems [24.082527732931677]
  顔画像を扱うスケーラビリティと能力のために、ショットベースの顔認識システムが注目されている。 顔画像の誤使用を防止するために、簡単なアプローチとして、生の顔画像を共有する前に修正する方法がある。 そこで本研究では,FACE-AUDITORの完全ツールキットを提案する。このツールキットは,少数ショットベースの顔認識モデルに問い合わせ,ユーザの顔画像のいずれかがモデルのトレーニングに使用されているかどうかを判断する。
  論文  参考訳（メタデータ） (2023-04-05T23:03:54Z)
• Mix-up Self-Supervised Learning for Contrast-agnostic Applications [33.807005669824136]
  コントラストに依存しないアプリケーションのための,最初の混合型自己教師型学習フレームワークを提案する。 クロスドメイン・ミックスアップに基づく画像間の低分散に対処し、画像再構成と透明性予測に基づくプレテキストタスクを構築する。
  論文  参考訳（メタデータ） (2022-04-02T16:58:36Z)
• A new face swap method for image and video domains: a technical report [60.47144478048589]
  FaceShifterアーキテクチャに基づいた新しいフェイススワップパイプラインを導入する。 新しいアイロス機能、超解像ブロック、ガウスベースのフェイスマスク生成は、品質改善につながる。
  論文  参考訳（メタデータ） (2022-02-07T10:15:50Z)
• Leveraging Real Talking Faces via Self-Supervision for Robust Forgery Detection [112.96004727646115]
  本研究では,実話を用いた顔操作映像の検出手法を開発した。 本手法は, クロスマニピュレーションの一般化とロバストネス実験における最先端性能を実現する。 以上の結果から、より堅牢な顔偽造検知器の開発には、自然ビデオと未表示ビデオの活用が有望な方向であることが示唆された。
  論文  参考訳（メタデータ） (2022-01-18T17:14:54Z)
• 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)
• From A Glance to "Gotcha": Interactive Facial Image Retrieval with Progressive Relevance Feedback [72.29919762941029]
  本稿では,目撃者から徐々にフィードバックを得て顔画像を取得するためのエンドツーエンドフレームワークを提案する。 追加のアノテーションを必要とせずに、私たちのモデルは少しのレスポンスの努力を犠牲にして適用できます。
  論文  参考訳（メタデータ） (2020-07-30T18:46:25Z)
• Achieving Better Kinship Recognition Through Better Baseline [0.0]
  本稿では,RetinaFaceに基づく親族検索と自動親族認識タスクのための新しいベースラインを提案する。 我々は,近年のRecognizing Families In the Wild Data Challengeにおいて,2トラックで最先端のパフォーマンスを実現するパイプラインを構築した。
  論文  参考訳（メタデータ） (2020-06-21T08:40:53Z)
• Challenge report: Recognizing Families In the Wild Data Challenge [17.070016479682096]
  本稿は、FG 2020フォーラムと共同で第4版(Recognizing Families In the Wild Data Challenge)を提出した短い報告である。 本稿では,従来の手法を検討,提案手法を提案するとともに,深部メートル法などの多くの手法を用いて,画像毎の深部埋め込みの特徴を抽出し,それらがユークリッド距離やクラスに基づく方法による血縁関係であるかどうかを判定する。
  論文  参考訳（メタデータ） (2020-05-30T03:01:56Z)
• Recognizing Families through Images with Pretrained Encoder [0.1909808926064466]
  血縁検証と血縁検索はコンピュータビジョンにおける新たな課題である。 我々は、FaceNet, Siamese VGG-Face の3つの手法と、FaceNet と VGG-Face のモデルを組み合わせて特徴抽出を行う。
  論文  参考訳（メタデータ） (2020-05-24T17:59:19Z)

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。