論文の概要: Seeing Faces in Things: A Model and Dataset for Pareidolia

• arxiv url: http://arxiv.org/abs/2409.16143v1
• Date: Tue, 24 Sep 2024 14:50:21 GMT
• ステータス: 処理完了
• システム内更新日: 2024-09-26 05:27:07.053708
• Title: Seeing Faces in Things: A Model and Dataset for Pareidolia
• Title（参考訳）: 物の顔を見る:Pareidoliaのモデルとデータセット
• Authors: Mark Hamilton, Simon Stent, Vasha DuTell, Anne Harrington, Jennifer Corbett, Ruth Rosenholtz, William T. Freeman,
• Abstract要約: Face pareidolia'は、他の無作為な刺激の中で、顔のような構造の知覚を記述する。 人間のアノテートしたパレドリックな顔を持つ5万個のウェブ画像からなる「モノの顔」の画像データセットを提示する。 動物の顔や人間の顔を検知する進化的な必要性は、このギャップのいくつかを説明できるかもしれない。
• 参考スコア（独自算出の注目度）: 30.389229814847102
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: The human visual system is well-tuned to detect faces of all shapes and sizes. While this brings obvious survival advantages, such as a better chance of spotting unknown predators in the bush, it also leads to spurious face detections. ``Face pareidolia'' describes the perception of face-like structure among otherwise random stimuli: seeing faces in coffee stains or clouds in the sky. In this paper, we study face pareidolia from a computer vision perspective. We present an image dataset of ``Faces in Things'', consisting of five thousand web images with human-annotated pareidolic faces. Using this dataset, we examine the extent to which a state-of-the-art human face detector exhibits pareidolia, and find a significant behavioral gap between humans and machines. We find that the evolutionary need for humans to detect animal faces, as well as human faces, may explain some of this gap. Finally, we propose a simple statistical model of pareidolia in images. Through studies on human subjects and our pareidolic face detectors we confirm a key prediction of our model regarding what image conditions are most likely to induce pareidolia. Dataset and Website: https://aka.ms/faces-in-things
• Abstract（参考訳）: 人間の視覚システムは、あらゆる形や大きさの顔を検出するように調整されている。 これは、茂みの中で未知の捕食者を発見できる可能性など、明らかな生存上の利点をもたらすが、同時に顔検出の急激な増加につながる。 「顔のパリドリア」は、無作為な刺激の中で、空のコーヒーの染みや雲に顔が見えるという顔のような構造を表現している。 本稿では,コンピュータビジョンの観点から顔のパレドリアについて検討する。 我々は,「物の中の顔」のイメージデータセットについて述べる。 このデータセットを用いて、最先端の人間の顔検出装置がいかにパレドリアを呈するかを調べ、人間と機械の間に重要な行動的ギャップを見いだす。 動物の顔や人間の顔を検出するための進化的な必要性は、このギャップのいくつかを説明できるかもしれない。 最後に,画像中のパリドリアの統計モデルを提案する。 人体と頭蓋骨の顔検出装置の研究を通して、画像の状態がパリドリアを誘発する可能性が最も高いかどうかについて、我々のモデルの重要な予測を確認した。 データセットとウェブサイト:https://aka.ms/faces-in-things

関連論文リスト

• Analysis of Human Perception in Distinguishing Real and AI-Generated Faces: An Eye-Tracking Based Study [6.661332913985627]
  本研究では,人間がどのように実像と偽像を知覚し,区別するかを検討する。 StyleGAN-3生成画像を解析したところ、参加者は76.80%の平均精度で偽の顔と現実を区別できることがわかった。
  論文  参考訳（メタデータ） (2024-09-23T19:34:30Z)
• Automated Detection of Cat Facial Landmarks [8.435125986009881]
  猫の顔画像に境界ボックスと48個の顔のランドマークを付加した新しいデータセットを提出した。 本稿では、拡大エンセムベ法を用いて、ランドマーク検出畳み込みニューラルネットワークに基づくモデルを提案する。 本モデルは猫の顔に優れた性能を示し,ヒトの顔のランドマーク検出に一般化可能である。
  論文  参考訳（メタデータ） (2023-10-15T10:44:36Z)
• Robustness Disparities in Face Detection [64.71318433419636]
  本稿では,その顔検出システムの詳細なベンチマークとして,商業モデルと学術モデルのノイズに対する頑健性について検討する。 すべてのデータセットやシステム全体で、$textitmasculineである個人の写真が$textitdarker skin type$$$、$textitdarker$、または$textitdim lighting$は、他のIDよりもエラーの影響を受けやすい。
  論文  参考訳（メタデータ） (2022-11-29T05:22:47Z)
• Analysis of face detection, face landmarking, and face recognition performance with masked face images [0.0]
  フェイスマスクの着用効果は、現在検討中の課題である。 その結果, 顔検出, 顔のランドマーク, 顔認識の性能は, 顔マスクによって負の影響を受けることがわかった。
  論文  参考訳（メタデータ） (2022-06-03T15:16:58Z)
• FaceMAE: Privacy-Preserving Face Recognition via Masked Autoencoders [81.21440457805932]
  顔のプライバシと認識性能を同時に考慮する新しいフレームワークFaceMAEを提案する。 ランダムにマスクされた顔画像は、FaceMAEの再構築モジュールのトレーニングに使用される。 また、いくつかの公開顔データセット上で十分なプライバシー保護顔認証を行う。
  論文  参考訳（メタデータ） (2022-05-23T07:19:42Z)
• Controlling Memorability of Face Images [5.000272778136267]
  本稿では,顔画像の記憶性を変化させ,制御するための高速なアプローチを提案する。 われわれはまず、StyleGANの潜在空間に超平面を発見し、高解像度と低解像度の記憶可能な画像を分離した。 今回我々は,StyleGAN拡張潜伏空間の異なる層が顔の記憶にどう寄与するかを解析した。
  論文  参考訳（メタデータ） (2022-02-24T04:33:55Z)
• Evaluation of Human and Machine Face Detection using a Novel Distinctive Human Appearance Dataset [0.76146285961466]
  画像中の顔を検出する能力において,現在最先端の顔検出モデルを評価する。 評価結果から,顔検出アルゴリズムは多様な外観に適さないことが示された。
  論文  参考訳（メタデータ） (2021-11-01T02:20:40Z)
• I Only Have Eyes for You: The Impact of Masks On Convolutional-Based Facial Expression Recognition [78.07239208222599]
  今回提案したFaceChannelがマスクを持つ人からの表情認識にどのように適応するかを評価します。 また、制約された社会的相互作用シナリオにおける顔の特徴の変化を学習し、組み合わせるためのFaceChannelの本質的な能力を示すために、特定の機能レベルの可視化も行います。
  論文  参考訳（メタデータ） (2021-04-16T20:03:30Z)
• Face Forgery Detection by 3D Decomposition [72.22610063489248]
  顔画像は、基礎となる3次元幾何学と照明環境の介入の産物とみなす。 顔画像を3次元形状、共通テクスチャ、アイデンティティテクスチャ、周囲光、そして直接光に切り離すことで、悪魔は直接光とアイデンティティテクスチャの中に横たわる。 直接光と識別テクスチャを組み合わせた顔のディテールを,微妙な偽造パターンを検出する手がかりとして活用することを提案する。
  論文  参考訳（メタデータ） (2020-11-19T09:25:44Z)
• Facial Expressions as a Vulnerability in Face Recognition [73.85525896663371]
  本研究では,顔認識システムのセキュリティ脆弱性としての表情バイアスについて検討する。 本稿では,表情バイアスが顔認識技術の性能に与える影響を包括的に分析する。
  論文  参考訳（メタデータ） (2020-11-17T18:12:41Z)
• Face Hallucination with Finishing Touches [65.14864257585835]
  本稿では,超解像とフロンティア化を同時に行うVivid Face Hallucination Generative Adversarial Network (VividGAN)を提案する。 VividGANは粗いレベルと細かなレベルのFace Hallucination Networks (FHnet)と、粗いDとファインDの2つの識別器で構成されている。 実験により、VvidGANは、フォトリアリスティックな正面HR面を達成し、下流タスクにおいて優れた性能を達成できることが示された。
  論文  参考訳（メタデータ） (2020-02-09T07:33:48Z)

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。