論文の概要: Mitigating the Impact of Attribute Editing on Face Recognition
- arxiv url: http://arxiv.org/abs/2403.08092v1
- Date: Tue, 12 Mar 2024 22:03:19 GMT
- ステータス: 処理完了
- システム内更新日: 2024-03-14 16:22:35.560424
- Title: Mitigating the Impact of Attribute Editing on Face Recognition
- Title(参考訳): 属性編集が顔認識に与える影響について
- Authors: Sudipta Banerjee, Sai Pranaswi Mullangi, Shruti Wagle, Chinmay Hegde,
Nasir Memon
- Abstract要約: ローカル属性とグローバル属性の編集を行う2つの手法を提案する。
我々は、現在最先端の生成モデルを用いて、26の顔意味、人口統計、および表現に基づく属性を実証的に比較した。
本手法は,識別を維持しながら顔編集において,SOTA(BLIP, InstantID)よりも優れていた。
- 参考スコア(独自算出の注目度): 15.168932314507366
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Facial attribute editing using generative models can impair automated face
recognition. This degradation persists even with recent identity-preserving
models such as InstantID. To mitigate this issue, we propose two techniques
that perform local and global attribute editing. Local editing operates on the
finer details via a regularization-free method based on ControlNet conditioned
on depth maps and auxiliary semantic segmentation masks. Global editing
operates on coarser details via a regularization-based method guided by custom
loss and regularization set. In this work, we empirically ablate twenty-six
facial semantic, demographic and expression-based attributes altered using
state-of-the-art generative models and evaluate them using ArcFace and AdaFace
matchers on CelebA, CelebAMaskHQ and LFW datasets. Finally, we use LLaVA, a
vision-language framework for attribute prediction to validate our editing
techniques. Our methods outperform SoTA (BLIP, InstantID) at facial editing
while retaining identity.
- Abstract(参考訳): 生成モデルを用いた顔属性の編集は、顔の自動認識を損なう可能性がある。
この劣化は、InstantIDのような最近のID保存モデルでも持続する。
この問題を軽減するために,局所的およびグローバルな属性編集を行う2つの手法を提案する。
局所編集は、深度マップとセマンティックセマンティックセグメンテーションマスクを条件とした制御ネットに基づく正規化フリーの手法により、より細部まで操作する。
グローバル編集は、カスタマイズされた損失と正規化セットによってガイドされた正規化ベースの方法を通じて、粗い詳細で動作する。
本研究では,CelebA,CelebAMaskHQおよびLFWデータセット上のArcFaceおよびAdaFaceマーカを用いて,最新の生成モデルを用いて変化した26の顔意味,人口統計,表現に基づく属性を実証的に比較した。
最後に,属性予測のための視覚言語フレームワークであるLLaVAを用いて編集手法を検証する。
本手法は,識別を維持しながら顔編集において,SOTA(BLIP, InstantID)よりも優れていた。
関連論文リスト
- Identity-preserving Editing of Multiple Facial Attributes by Learning
Global Edit Directions and Local Adjustments [4.082799056366928]
ID-Styleは属性操作時のID損失に対処できる新しいアーキテクチャである。
本稿では、IAIPとともに入力インスタンスの同一性を保持する半スパースな意味方向を見つけるために、LGDを強制する訓練中に2つの損失を導入する。
論文 参考訳(メタデータ) (2023-09-25T16:28:39Z) - ManiCLIP: Multi-Attribute Face Manipulation from Text [104.30600573306991]
テキスト記述に基づく新しい多属性顔操作法を提案する。
本手法は,テキスト関連属性の編集を最小限に抑えた自然な顔を生成する。
論文 参考訳(メタデータ) (2022-10-02T07:22:55Z) - Learning Disentangled Representation for One-shot Progressive Face
Swapping [65.98684203654908]
ジェネレーティブ・アドバーサリアル・ネットワークに基づくワンショット・フェイススワップのためのシンプルで効率的なFaceSwapperを提案する。
提案手法は,不整合表現モジュールと意味誘導融合モジュールから構成される。
その結果,本手法は,トレーニングサンプルの少ないベンチマークで最先端の結果が得られることがわかった。
論文 参考訳(メタデータ) (2022-03-24T11:19:04Z) - 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) - Enjoy Your Editing: Controllable GANs for Image Editing via Latent Space
Navigation [136.53288628437355]
コントロール可能なセマンティックイメージ編集により、ユーザーはクリック数回で画像属性全体を変更できる。
現在のアプローチでは、絡み合った属性編集、グローバルなイメージアイデンティティの変更、フォトリアリズムの低下に悩まされることが多い。
本稿では,主に定性評価に焦点を当てた先行研究とは異なり,制御可能な編集性能を測定するための定量的評価手法を提案する。
論文 参考訳(メタデータ) (2021-02-01T21:38:36Z) - CAFE-GAN: Arbitrary Face Attribute Editing with Complementary Attention
Feature [31.425326840578098]
本稿では,対象属性に関連する顔の部分のみを編集する新しいGANモデルを提案する。
CAFEは、目的属性と相補属性の両方を考慮し、変換すべき顔領域を特定する。
論文 参考訳(メタデータ) (2020-11-24T05:21:03Z) - MagGAN: High-Resolution Face Attribute Editing with Mask-Guided
Generative Adversarial Network [145.4591079418917]
MagGANは、望ましい属性変更に関連する顔の部分のみを編集することを学ぶ。
各属性変更の影響領域をジェネレータに組み込むために、新しいマスク誘導条件付け戦略を導入する。
高解像度(1024×1024$)の顔編集のために,マルチレベルパッチワイド識別器構造を提案する。
論文 参考訳(メタデータ) (2020-10-03T20:56:16Z) - PA-GAN: Progressive Attention Generative Adversarial Network for Facial
Attribute Editing [67.94255549416548]
顔属性編集のためのプログレッシブアテンションGAN(PA-GAN)を提案する。
提案手法は,非関連情報による属性の正確な編集を,最先端技術と比較してはるかによく保存する。
論文 参考訳(メタデータ) (2020-07-12T03:04:12Z)
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。