論文の概要: Inclusive normalization of face images to passport format

• arxiv url: http://arxiv.org/abs/2312.14544v1
• Date: Fri, 22 Dec 2023 09:15:33 GMT
• ステータス: 処理完了
• システム内更新日: 2023-12-25 15:40:26.411515
• Title: Inclusive normalization of face images to passport format
• Title（参考訳）: パスポートフォーマットへの顔画像の包括的正規化
• Authors: Hongliu Cao, Minh Nhat Do, Alexis Ravanel, Eoin Thomas
• Abstract要約: スタイルベース顔正規化モデル(StyleFNM)は、ほとんどの個人内変異を取り除くことを提案した。 この論文では、事前訓練されたGANを制御して、パスポートのような画像のバランスの取れたデータセットを生成することにより、データセットバイアスも扱う。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Face recognition has been used more and more in real world applications in recent years. However, when the skin color bias is coupled with intra-personal variations like harsh illumination, the face recognition task is more likely to fail, even during human inspection. Face normalization methods try to deal with such challenges by removing intra-personal variations from an input image while keeping the identity the same. However, most face normalization methods can only remove one or two variations and ignore dataset biases such as skin color bias. The outputs of many face normalization methods are also not realistic to human observers. In this work, a style based face normalization model (StyleFNM) is proposed to remove most intra-personal variations including large changes in pose, bad or harsh illumination, low resolution, blur, facial expressions, and accessories like sunglasses among others. The dataset bias is also dealt with in this paper by controlling a pretrained GAN to generate a balanced dataset of passport-like images. The experimental results show that StyleFNM can generate more realistic outputs and can improve significantly the accuracy and fairness of face recognition systems.
• Abstract（参考訳）: 近年、顔認識は現実世界のアプリケーションでますます使われている。 しかし、肌の色バイアスと過酷な照明などの個人内変異を組み合わせると、人間の検査中にも顔認識タスクが失敗する可能性が高くなる。 顔の正規化手法は、同一性を保ちながら入力画像から個人内変動を取り除き、このような課題に対処しようとする。 しかし、ほとんどの顔の正規化法は1つまたは2つのバリエーションだけを取り除き、肌の色バイアスのようなデータセットバイアスを無視することができる。 多くの顔正規化法の出力も人間の観察者には現実的ではない。 本研究では、ポーズ、悪い照明、低解像度、ぼやけ、表情、サングラスのようなアクセサリーなどの大きな変化を含む、ほとんどの個人内変異を取り除くために、スタイルベースの顔正規化モデル(StyleFNM)を提案する。 この論文では、事前訓練されたGANを制御して、パスポートのような画像のバランスの取れたデータセットを生成することにより、データセットバイアスも扱う。 実験により、StyleFNMはよりリアルな出力を生成でき、顔認識システムの精度と公平性を大幅に向上できることが示された。

関連論文リスト

• OSDFace: One-Step Diffusion Model for Face Restoration [72.5045389847792]
  拡散モデルは、顔の修復において顕著な性能を示した。 顔復元のための新しいワンステップ拡散モデルOSDFaceを提案する。 その結果,OSDFaceは現状のSOTA(State-of-the-art)手法を視覚的品質と定量的指標の両方で上回っていることがわかった。
  論文  参考訳（メタデータ） (2024-11-26T07:07:48Z)
• Realistic and Efficient Face Swapping: A Unified Approach with Diffusion Models [69.50286698375386]
  フェース・スワッピングのための拡散モデルを改善する新しい手法を提案する。 インペイントトレーニング中にマスクシャッフル技術を導入し、スワップのためのいわゆるユニバーサルモデルを作成することができる。 私たちのアプローチは比較的統一されたアプローチなので、他のオフザシェルフモデルのエラーに対して耐性があります。
  論文  参考訳（メタデータ） (2024-09-11T13:43:53Z)
• G2Face: High-Fidelity Reversible Face Anonymization via Generative and Geometric Priors [71.69161292330504]
  可逆顔匿名化(Reversible face anonymization)は、顔画像の繊細なアイデンティティ情報を、合成された代替品に置き換えようとしている。 本稿では,Gtextsuperscript2Faceを提案する。 提案手法は,高データの有効性を保ちながら,顔の匿名化と回復において既存の最先端技術よりも優れる。
  論文  参考訳（メタデータ） (2024-08-18T12:36:47Z)
• Generalized Face Liveness Detection via De-spoofing Face Generator [58.7043386978171]
  以前のFace Anti-Spoofing (FAS) の作業は、目に見えない領域における一般化という課題に直面している。 De-spoofing Face Generator (DFG) によるモデル一般化を改善するために, 現実の顔を利用する Anomalous cue Guided FAS (AG-FAS) 方式を実行する。 次に,Anomalous cue Guided FAS feature extract Network (AG-Net)を提案する。
  論文  参考訳（メタデータ） (2024-01-17T06:59:32Z)
• 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)
• Controllable Inversion of Black-Box Face Recognition Models via Diffusion [8.620807177029892]
  我々は,事前学習した顔認識モデルの潜在空間を,完全なモデルアクセスなしで反転させる作業に取り組む。 本研究では,条件付き拡散モデル損失が自然発生し,逆分布から効果的にサンプル化できることを示す。 本手法は,生成過程を直感的に制御できる最初のブラックボックス顔認識モデル逆変換法である。
  論文  参考訳（メタデータ） (2023-03-23T03:02:09Z)
• GMFIM: A Generative Mask-guided Facial Image Manipulation Model for Privacy Preservation [0.7734726150561088]
  入力顔画像に知覚不可能な編集を適用するために,GANをベースとしたマスク誘導顔画像マニピュレーションモデルを提案する。 我々のモデルは、最先端の手法と比較して、自動顔認識システムに対してより良い性能を実現することができる。
  論文  参考訳（メタデータ） (2022-01-10T14:09:14Z)
• Learning to Aggregate and Personalize 3D Face from In-the-Wild Photo Collection [65.92058628082322]
  非パラメトリックフェースモデリングは形状仮定なしで画像からのみ3次元フェースを再構成することを目的としている。 本稿では,教師なしのロバストな3次元顔モデリングのための学習・アグリゲート・パーソナライズ・フレームワークを提案する。
  論文  参考訳（メタデータ） (2021-06-15T03:10:17Z)
• FaceController: Controllable Attribute Editing for Face in the Wild [74.56117807309576]
  単純なフィードフォワードネットワークを提案し、高忠実度な顔を生成する。 本手法では,既存かつ容易に把握可能な事前情報を利用することで,野生の多様な顔属性の制御,転送,編集を行うことができる。 本手法では,3Dプリミティブを用いてアイデンティティ,表現,ポーズ,イルミネーションを分離し,地域別スタイルコードを用いてテクスチャとカラーを分離する。
  論文  参考訳（メタデータ） (2021-02-23T02:47:28Z)

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。