論文の概要: Goldilocks Test Sets for Face Verification
- arxiv url: http://arxiv.org/abs/2405.15965v2
- Date: Mon, 11 Aug 2025 00:55:07 GMT
- ステータス: 翻訳完了
- システム内更新日: 2025-08-12 21:23:28.043514
- Title: Goldilocks Test Sets for Face Verification
- Title（参考訳）: 顔認証のためのGoldilocksテストセット
- Authors: Haiyu Wu, Sicong Tian, Aman Bhatta, Jacob Gutierrez, Grace Bezold, Genesis Argueta, Karl Ricanek Jr., Michael C. King, Kevin W. Bowyer,
- Abstract要約: 本稿では,既存の顔認識アルゴリズムの弱点を明らかにするために,3つの挑戦的なテストセットを提案する。
類似した人物のFRモデルに挑戦するため、専用ツインデータセットの画像を含むツインズ-INDを提案する。
提案したテストセットは、既存のテストセットよりも十分な難易度または高い難易度を有する。
- 参考スコア（独自算出の注目度）: 5.518961562474026
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Reported face verification accuracy has reached a plateau on current well-known test sets. As a result, some difficult test sets have been assembled by reducing the image quality or adding artifacts to the image. However, we argue that test sets can be challenging without artificially reducing the image quality because the face recognition (FR) models suffer from correctly recognizing 1) the pairs from the same identity (i.e., genuine pairs) with a large face attribute difference, 2) the pairs from different identities (i.e., impostor pairs) with a small face attribute difference, and 3) the pairs of similar-looking identities (e.g., twins and relatives). We propose three challenging test sets to reveal important but ignored weaknesses of the existing FR algorithms. To challenge models on variation of facial attributes, we propose Hadrian and Eclipse to address facial hair differences and face exposure differences. The images in both test sets are high-quality and collected in a controlled environment. To challenge FR models on similar-looking persons, we propose twins-IND, which contains images from a dedicated twins dataset. The LFW test protocol is used to structure the proposed test sets. Moreover, we introduce additional rules to assemble "Goldilocks1" level test sets, including 1) restricted number of occurrence of hard samples, 2) equal chance evaluation across demographic groups, and 3) constrained identity overlap across validation folds. Quantitatively, without further processing the images, the proposed test sets have on-par or higher difficulties than the existing test sets. The datasets are available at: https: //github.com/HaiyuWu/SOTA-Face-Recognition-Train-and-Test.
- Abstract（参考訳）: 報告された顔認証精度は、現在よく知られたテストセットの台地に達した。
その結果、画像の品質を下げたり、画像にアーティファクトを追加することで、いくつかの難しいテストセットが組み立てられた。
しかし、顔認証(FR)モデルが正しく認識できないため、画像品質を人為的に低下させることなく、テストセットは困難であると主張する。
1) 顔属性の差が大きい同一のアイデンティティ(すなわち、本物のペア)から得られるペア。
2 顔特性差の異なる同一性(即ち、詐欺師対)の対及び
3) 類似した同一性(例えば、双子、親戚)の対。
本稿では,既存のFRアルゴリズムの弱点を明らかにするために,3つの挑戦的なテストセットを提案する。
顔の属性の変化に関するモデルに挑戦するため,顔の毛髪の違いと顔の露出の違いに対処するため,Hadrian と Eclipse を提案する。
両方のテストセットのイメージは高品質で、制御された環境で収集される。
類似した人物のFRモデルに挑戦するため、専用ツインデータセットの画像を含むツインズ-INDを提案する。
LFWテストプロトコルは提案したテストセットを構成するために使用される。
さらに、我々は"Goldilocks1"レベルテストセットを組み立てるための追加ルールを導入する。
1)硬質試料の発生回数の制限。
2)人口集団間での平等な機会評価
3) 検証の折り畳みに制約のあるアイデンティティが重複する。
定量的には、画像をさらに処理することなく、提案したテストセットは既存のテストセットよりも未処理または高い難易度を有する。
データセットは以下の通りである。 https: //github.com/HaiyuWu/SOTA-Face-Recognition-Train-and-Test。
関連論文リスト
- Identity Overlap Between Face Recognition Train/Test Data: Causing Optimistic Bias in Accuracy Measurement [5.3490692492497836]
トレーニングセットとテストセットの重複は 楽観的な精度の見積もりを引き起こす。
テストセットからの画像対の平均10倍の分類精度と推定されるのが一般的である。
実験の結果, LFW系テストセットとMS1MV2トレーニングセットの相違点と画像の重複点が明らかとなった。
論文 参考訳（メタデータ） (2024-05-15T14:59:26Z) - Semantic Contextualization of Face Forgery: A New Definition, Dataset, and Detection Method [77.65459419417533]
我々は,顔フォージェリを意味的文脈に配置し,意味的顔属性を変更する計算手法が顔フォージェリの源であることを定義した。
階層的なグラフで整理されたラベルの集合に各画像が関連付けられている大規模な顔偽画像データセットを構築した。
本稿では,ラベル関係を捕捉し,その優先課題を優先するセマンティクス指向の顔偽造検出手法を提案する。
論文 参考訳（メタデータ） (2024-05-14T10:24:19Z) - Diverse, Difficult, and Odd Instances (D2O): A New Test Set for Object
Classification [47.64219291655723]
既存のテストセットと十分に異なるD2Oと呼ばれる新しいテストセットを導入します。
私たちのデータセットには、36のカテゴリにまたがる8,060のイメージが含まれており、そのうち29がImageNetに表示されています。
私たちのデータセットで最高のTop-1精度は約60%で、ImageNetで91%のTop-1精度よりもはるかに低いです。
論文 参考訳（メタデータ） (2023-01-29T19:58:32Z) - When Handcrafted Features and Deep Features Meet Mismatched Training and
Test Sets for Deepfake Detection [13.405191042154367]
本稿では,2種類の手作り特徴(SIFTとHoG)と2種類の深度特徴(XceptionとCNN+RNN)を深度検出タスクに利用して比較する。
トレーニングセットとテストセットの間にミスマッチがある場合、これらの機能のパフォーマンスもチェックします。
論文 参考訳（メタデータ） (2022-09-27T10:15:46Z) - To Find Waldo You Need Contextual Cues: Debiasing Who's Waldo [53.370023611101175]
本稿では,Cuiらによって提案されたPerson-centric Visual Groundingタスクに対して,偏りのあるデータセットを提案する。
画像とキャプションが与えられた場合、PCVGはキャプションに記載されている人物の名前と、画像内の人物を指し示すバウンディングボックスをペアリングする必要がある。
オリジナルのWho's Waldoデータセットには、メソッドによって簡単に解ける多数のバイアスのあるサンプルが含まれていることが分かりました。
論文 参考訳（メタデータ） (2022-03-30T21:35:53Z) - Unpaired Referring Expression Grounding via Bidirectional Cross-Modal
Matching [53.27673119360868]
表現基盤の参照はコンピュータビジョンにおいて重要かつ困難な課題である。
本稿では,これらの課題に対処する新しい双方向クロスモーダルマッチング(BiCM)フレームワークを提案する。
私たちのフレームワークは、2つの一般的なグラウンドデータセットで、以前の作業の6.55%と9.94%を上回っています。
論文 参考訳（メタデータ） (2022-01-18T01:13:19Z) - Free Lunch for Co-Saliency Detection: Context Adjustment [14.688461235328306]
市販のサリエンシ検出データセットからの画像を利用して新しいサンプルを合成する「コストフリー」グループカットペースト(GCP)手順を提案する。
我々は、Context Adjustment Trainingと呼ばれる新しいデータセットを収集します。データセットの2つのバリエーション、すなわち、CATとCAT+は、それぞれ16,750と33,500の画像で構成されています。
論文 参考訳（メタデータ） (2021-08-04T14:51:37Z) - A Method for Curation of Web-Scraped Face Image Datasets [13.893682217746816]
データセットを集める際には、さまざまな問題が発生する。
何百万もの画像が存在しているため、手作業によるクリーニングは不可能である。
本稿では,顔認識手法をテストするためのクリーンなデータセットを提供することを目標とする半自動手法を提案する。
論文 参考訳（メタデータ） (2020-04-07T01:57:32Z) - Evaluating Models' Local Decision Boundaries via Contrast Sets [119.38387782979474]
テストデータの体系的なギャップを埋めるのに役立つNLPのための新しいアノテーションパラダイムを提案する。
10種類のNLPデータセットに対してコントラストセットを作成することで,コントラストセットの有効性を示す。
我々のコントラストセットは明示的には逆ではないが、モデルの性能は元のテストセットよりも大幅に低い。
論文 参考訳（メタデータ） (2020-04-06T14:47:18Z) - Suppressing Uncertainties for Large-Scale Facial Expression Recognition [81.51495681011404]
本稿では,不確実性を効果的に抑制し,深層ネットワークが不確実な顔画像に過度に収まらないような,シンプルで効率的なセルフキュアネットワーク(SCN)を提案する。
公開ベンチマークの結果、我々のSCNは現在の最先端メソッドよりも、RAF-DBで textbf88.14%、AffectNetで textbf60.23%、FERPlusで textbf89.35% を上回りました。
論文 参考訳（メタデータ） (2020-02-24T17:24:36Z)
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。