論文の概要: Efficient Expression Neutrality Estimation with Application to Face Recognition Utility Prediction

• arxiv url: http://arxiv.org/abs/2402.05548v1
• Date: Thu, 8 Feb 2024 10:33:07 GMT
• ステータス: 処理完了
• システム内更新日: 2024-02-09 15:41:50.805587
• Title: Efficient Expression Neutrality Estimation with Application to Face Recognition Utility Prediction
• Title（参考訳）: 効率的な表現中立性推定と顔認識ユーティリティ予測への応用
• Authors: Marcel Grimmer, Raymond N. J. Veldhuis, Christoph Busch
• Abstract要約: ISO/IEC 29794-5は、認識性能に影響を与える多くのコンポーネント品質要素の1つとして表現中立性を導入している。 本研究では,7つのデータセットを用いて表情中立性を評価するために分類器を訓練する。
• 参考スコア（独自算出の注目度）: 6.836019710157252
• License: http://creativecommons.org/licenses/by-nc-nd/4.0/
• Abstract: The recognition performance of biometric systems strongly depends on the quality of the compared biometric samples. Motivated by the goal of establishing a common understanding of face image quality and enabling system interoperability, the committee draft of ISO/IEC 29794-5 introduces expression neutrality as one of many component quality elements affecting recognition performance. In this study, we train classifiers to assess facial expression neutrality using seven datasets. We conduct extensive performance benchmarking to evaluate their classification and face recognition utility prediction abilities. Our experiments reveal significant differences in how each classifier distinguishes "neutral" from "non-neutral" expressions. While Random Forests and AdaBoost classifiers are most suitable for distinguishing neutral from non-neutral facial expressions with high accuracy, they underperform compared to Support Vector Machines in predicting face recognition utility.
• Abstract（参考訳）: バイオメトリックシステムの認識性能は、比較されたバイオメトリック標本の品質に大きく依存する。 ISO/IEC 29794-5の委員会草案は、顔画像品質の共通理解とシステム相互運用性の実現を目標として、認識性能に影響を与える多くのコンポーネント品質要素の1つとして表現中立性を導入している。 本研究では,7つのデータセットを用いて表情中立性を評価するために分類器を訓練する。 我々は,その分類と顔認識ユーティリティ予測能力を評価するために,広範な性能ベンチマークを行う。 実験により,各分類器が「中性」と「非中性」を区別する方法に有意差が認められた。 Random Forests と AdaBoost の分類器は、非ニュートラル表情を高い精度で区別するのに最も適しているが、顔認識ユーティリティの予測において、Support Vector Machines と比較すると性能が劣る。

関連論文リスト

• NeutrEx: A 3D Quality Component Measure on Facial Expression Neutrality [7.736597471757526]
  中性表現アンカーへの3次元顔再構成の蓄積距離に基づく品質指標を提案する。 提案手法がベースライン手法よりも優れていることを示す。
  論文  参考訳（メタデータ） (2023-08-19T09:38:39Z)
• MixFairFace: Towards Ultimate Fairness via MixFair Adapter in Face Recognition [37.756287362799945]
  属性に基づくフェアネス尺度は顔認識には適さないと我々は主張する。 本稿では,異なるアプローチの公平性を評価するための新しい評価プロトコルを提案する。 私たちのMixFairFaceアプローチは、すべてのベンチマークデータセットで最先端のフェアネスパフォーマンスを実現しています。
  論文  参考訳（メタデータ） (2022-11-28T09:47:21Z)
• CIAO! A Contrastive Adaptation Mechanism for Non-Universal Facial Expression Recognition [80.07590100872548]
  本稿では、顔エンコーダの最後の層に異なるデータセットの特定の感情特性を適応させるメカニズムであるContrastive Inhibitory Adaptati On(CIAO)を提案する。 CIAOは、非常にユニークな感情表現を持つ6つの異なるデータセットに対して、表情認識性能が改善されている。
  論文  参考訳（メタデータ） (2022-08-10T15:46:05Z)
• TransFA: Transformer-based Representation for Face Attribute Evaluation [87.09529826340304]
  我々はtextbfTransFA を用いたtextbfattribute 評価のための新しい textbf Transformer 表現を提案する。 提案するTransFAは,最先端手法と比較して優れた性能を示す。
  論文  参考訳（メタデータ） (2022-07-12T10:58:06Z)
• Towards Intrinsic Common Discriminative Features Learning for Face Forgery Detection using Adversarial Learning [59.548960057358435]
  本稿では, 対人学習を利用して, 異なる偽造法と顔の同一性による負の効果を除去する手法を提案する。 我々の顔偽造検出モデルは、偽造法や顔の同一性の影響を排除し、共通の識別的特徴を抽出することを学ぶ。
  論文  参考訳（メタデータ） (2022-07-08T09:23:59Z)
• Enhancing Fairness of Visual Attribute Predictors [6.6424782986402615]
  本稿では、復号化パリティ、等化オッド、新しいインターセクション・オーバ・ユニオン尺度のバッチ推定に基づいて、公平性に配慮した正規化損失を導入する。 我々の研究は、視覚特性予測器のバイアスを軽減するためのエンドツーエンドのトレーニングスキームにこの種の損失を取り入れる最初の試みである。
  論文  参考訳（メタデータ） (2022-07-07T15:02:04Z)
• Conditional Supervised Contrastive Learning for Fair Text Classification [59.813422435604025]
  対照的な学習を通してテキスト分類のための等化オッズとして知られる公平性の概念を満たす学習公正表現について研究する。 具体的には、まず、公正性制約のある学習表現と条件付き教師付きコントラスト目的との間の関係を理論的に分析する。
  論文  参考訳（メタデータ） (2022-05-23T17:38:30Z)
• Weakly-Supervised Aspect-Based Sentiment Analysis via Joint Aspect-Sentiment Topic Embedding [71.2260967797055]
  アスペクトベース感情分析のための弱教師付きアプローチを提案する。 We learn sentiment, aspects> joint topic embeddeds in the word embedding space。 次に、ニューラルネットワークを用いて単語レベルの識別情報を一般化する。
  論文  参考訳（メタデータ） (2020-10-13T21:33:24Z)
• Face Anti-Spoofing Via Disentangled Representation Learning [90.90512800361742]
  顔認識システムのセキュリティには、顔の偽造が不可欠だ。 本稿では,画像から生意気な特徴やコンテンツの特徴を乱す顔のアンチ・スプーフィングの新たな視点を提案する。
  論文  参考訳（メタデータ） (2020-08-19T03:54:23Z)
• Face Quality Estimation and Its Correlation to Demographic and Non-Demographic Bias in Face Recognition [15.431761867166]
  顔の質評価は、認識のための顔画像の有用性を推定することを目的としている。 現在、これらの顔認識システムの高性能化には、人口統計学や非人口統計学のサブグループに対する強い偏見のコストが伴っている。 近年の研究では、顔品質評価アルゴリズムは、高精度でロバストな品質評価を実現するために、デプロイされた顔認識システムに適応すべきであることが示されている。
  論文  参考訳（メタデータ） (2020-04-02T14:19:12Z)

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。