論文の概要: From Age Estimation to Age-Invariant Face Recognition: Generalized Age Feature Extraction Using Order-Enhanced Contrastive Learning
- arxiv url: http://arxiv.org/abs/2501.01760v2
- Date: Sun, 03 Aug 2025 21:23:24 GMT
- ステータス: 翻訳完了
- システム内更新日: 2025-08-05 14:07:55.972252
- Title: From Age Estimation to Age-Invariant Face Recognition: Generalized Age Feature Extraction Using Order-Enhanced Contrastive Learning
- Title（参考訳）: 年齢推定から年齢不変顔認識:順序強化コントラスト学習を用いた一般化年齢特徴抽出
- Authors: Haoyi Wang, Victor Sanchez, Chang-Tsun Li, Nathan Clarke,
- Abstract要約: 一般的な年齢特徴抽出は、年齢に関連する顔分析タスクに不可欠である。
年齢などの順序属性を明示的に用いた新しいコントラスト学習フレームワークを提案する。
提案手法は,様々なベンチマークデータセット上での最先端手法に匹敵する結果が得られる。
- 参考スコア（独自算出の注目度）: 23.817867981093382
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Generalized age feature extraction is crucial for age-related facial analysis tasks, such as age estimation and age-invariant face recognition (AIFR). Despite the recent successes of models in homogeneous-dataset experiments, their performance drops significantly in cross-dataset evaluations. Most of these models fail to extract generalized age features as they only attempt to map extracted features with training age labels directly without explicitly modeling the natural ordinal progression of aging. In this paper, we propose Order-Enhanced Contrastive Learning (OrdCon), a novel contrastive learning framework designed explicitly for ordinal attributes like age. Specifically, to extract generalized features, OrdCon aligns the direction vector of two features with either the natural aging direction or its reverse to model the ordinal process of aging. To further enhance generalizability, OrdCon leverages a novel soft proxy matching loss as a second contrastive objective, ensuring that features are positioned around the center of each age cluster with minimal intra-class variance and proportionally away from other clusters. By modeling the ageing process, the framework can enhance generalizability by improving the alignment of samples from the same class and reducing the divergence of direction vectors. We demonstrate that our proposed method achieves comparable results to state-of-the-art methods on various benchmark datasets in homogeneous-dataset evaluations for both age estimation and AIFR. In cross-dataset experiments, OrdCon outperforms other methods by reducing the mean absolute error by approximately 1.38 on average for the age estimation task and boosts the average accuracy for AIFR by 1.87%.
- Abstract（参考訳）: 一般的な年齢特徴抽出は、年齢推定や年齢不変顔認識(AIFR)などの年齢関連顔分析タスクに不可欠である。
均一データセット実験における最近のモデルの成功にもかかわらず、それらの性能はデータセット間の評価において著しく低下している。
これらのモデルの多くは、抽出された特徴とトレーニングされた年齢ラベルを直接マップしようとするだけで、自然の経年変化を明示的にモデル化することができないため、一般的な年齢特徴の抽出に失敗している。
本稿では,年齢などの規則属性を明示的に用いた新しいコントラスト学習フレームワークである秩序強化コントラスト学習(OrdCon)を提案する。
具体的には、一般化された特徴を抽出するために、OrdConは2つの特徴の方向ベクトルを自然な老化方向または逆のいずれかと整列し、老化の順序過程をモデル化する。
一般化性をさらに向上するため、OrdConは、新しいソフトプロキシマッチング損失を第2のコントラスト目的として活用し、各年齢クラスタの中央に、クラス内の分散が最小限で、他のクラスタから比例的に離れていることを保証する。
老化過程をモデル化することにより、同一クラスからのサンプルのアライメントを改善し、方向ベクトルのばらつきを低減することにより、一般化性を高めることができる。
提案手法は, 年齢推定とAIFRの両方を対象とした同質なデータセット評価において, 各種ベンチマークデータセットの最先端手法に匹敵する結果が得られることを示す。
クロスデータセット実験では、OrdConは平均絶対誤差を年齢推定タスクの平均で約1.38削減し、AIFRの平均精度を1.87%向上することで、他の手法よりも優れている。
関連論文リスト
- Relative Age Estimation Using Face Images [12.30301655447024]
入力画像と参照画像の年齢差を既知年齢で推定するネットワークを用いて、初期推定を精査する。
差分回帰法を用いて, 年齢依存性の顔変化を明示的にモデル化し, 従来の絶対年齢推定よりも精度が向上した。
提案手法は既存の手法を超越し,MORPH IIおよびCACDデータセット上で最先端の精度を実現する。
論文 参考訳（メタデータ） (2025-02-07T11:42:01Z) - Age Prediction From Face Images Via Contrastive Learning [1.7705784090599048]
我々は、異なる年齢の異なる人物の容易に利用可能な顔データセットを活用し、コントラスト学習を用いて年齢に関連する特徴を抽出することを目的としている。
提案手法は,コサイン類似度とトリプルトマージン損失の組合せを用いて,同一性に関連する特徴を抑えながら,関連する特徴を強調した。
論文 参考訳（メタデータ） (2023-08-23T03:43:34Z) - General vs. Long-Tailed Age Estimation: An Approach to Kill Two Birds
with One Stone [48.849311629912734]
本稿では, GLAE という, シンプルで効果的で柔軟な訓練パラダイムを提案する。
私たちのGLAEはMorph IIを驚くほど改善し、それぞれ1.14年と1.27年で最低のMAEとCMAEに達した。
論文 参考訳（メタデータ） (2023-07-19T16:51:59Z) - A Call to Reflect on Evaluation Practices for Age Estimation: Comparative Analysis of the State-of-the-Art and a Unified Benchmark [2.156208381257605]
我々は、最先端の顔年齢推定法について、広範囲に比較分析を行う。
その結果,他の要因と比較すると,手法間の性能差は無視できることがわかった。
バックボーンモデルとしてFaRLを用い,すべての公開データセット上での有効性を実証する。
論文 参考訳（メタデータ） (2023-07-10T14:02:31Z) - TWINS: A Fine-Tuning Framework for Improved Transferability of
Adversarial Robustness and Generalization [89.54947228958494]
本稿では,様々な分類タスクにおいて,逆向きに事前訓練されたモデルの微調整に焦点を当てる。
本稿では,TWINS(Two-WIng NormliSation)ファインチューニングフレームワークを提案する。
TWINSは、一般化とロバスト性の両方の観点から、幅広い画像分類データセットに有効であることが示されている。
論文 参考訳（メタデータ） (2023-03-20T14:12:55Z) - SVLDL: Improved Speaker Age Estimation Using Selective Variance Label
Distribution Learning [24.57668015470307]
本稿では,年齢分布の分散に適応するために,SVLDL法を提案する。
モデルは、WavLMを音声特徴抽出器として使用し、さらにパフォーマンスを向上させるために、性別認識の補助タスクを追加する。
実験の結果,NIST SRE08-10と実世界のデータセットのすべての面において,最先端のパフォーマンスが得られた。
論文 参考訳（メタデータ） (2022-10-18T01:34:31Z) - Cluster-level pseudo-labelling for source-free cross-domain facial
expression recognition [94.56304526014875]
表情認識のためのSFUDA法を提案する。
本手法は,自己教師付き事前学習を利用して,対象データから優れた特徴表現を学習する。
提案手法の有効性を4つの適応方式で検証し,FERに適用した場合,既存のSFUDA法より一貫して優れていることを示す。
論文 参考訳（メタデータ） (2022-10-11T08:24:50Z) - A Demographic Attribute Guided Approach to Age Estimation [4.215251065887862]
本研究は,顔属性の補助情報を活用し,属性誘導モジュールを用いた新しい年齢推定手法を提案する。
UTKFace, LAP2016, Morphの3つの公開データセットによる実験結果から, 提案手法は, 他の最先端手法と比較して優れた性能が得られることが示された。
論文 参考訳（メタデータ） (2022-05-20T15:34:47Z) - LAE : Long-tailed Age Estimation [52.5745217752147]
まず、簡単な標準ベースラインを定式化し、事前トレーニング、データ拡張、モデルアーキテクチャなどのトリックを収集することで、はるかに強力なベースラインを構築します。
標準ベースラインと比較して,提案手法は推定誤差を著しく低減する。
本稿では,Long-tailed Age Estimation (LAE) という2段階の学習手法を提案する。
論文 参考訳（メタデータ） (2021-10-25T09:05:44Z) - FP-Age: Leveraging Face Parsing Attention for Facial Age Estimation in
the Wild [50.8865921538953]
年齢推定に顔のセマンティクスを明示的に組み込む手法を提案する。
我々は,顔解析に基づくネットワークを設計し,異なるスケールで意味情報を学習する。
提案手法は,既存の年齢推定手法を常に上回っていることを示す。
論文 参考訳（メタデータ） (2021-06-21T14:31:32Z) - Bootstrapping Your Own Positive Sample: Contrastive Learning With
Electronic Health Record Data [62.29031007761901]
本稿では,新しいコントラスト型正規化臨床分類モデルを提案する。
EHRデータに特化した2つのユニークなポジティブサンプリング戦略を紹介します。
私たちのフレームワークは、現実世界のCOVID-19 EHRデータの死亡リスクを予測するために、競争の激しい実験結果をもたらします。
論文 参考訳（メタデータ） (2021-04-07T06:02:04Z) - Hierarchical Attention-based Age Estimation and Bias Estimation [16.335191345543063]
顔画像に基づく年齢推定のための新しい深層学習手法を提案する。
提案手法は,現代的スキームを上回り,新しい最先端の年齢推定精度を提供する。
論文 参考訳（メタデータ） (2021-03-17T19:41:34Z) - When Age-Invariant Face Recognition Meets Face Age Synthesis: A
Multi-Task Learning Framework [20.579282497730944]
MTLFaceは、顔合成を楽しみながら、年齢不変のアイデンティティ関連表現を学習することができる。
グループレベルのfasを実現する従来のone-hotエンコーディングとは対照的に,アイデンティティレベルfasを実現するための新しいid条件モジュールを提案する。
5つのベンチマーククロスエイジデータセットに対する大規模な実験は、提案したMTLFaceの優れた性能を示す。
論文 参考訳（メタデータ） (2021-03-02T07:03:27Z) - Learning Expectation of Label Distribution for Facial Age and
Attractiveness Estimation [65.5880700862751]
本稿では,2つの最先端手法(Ranking-CNNとDLDL)の本質的な関係を解析し,ランキング法が実際にラベル分布を暗黙的に学習していることを示す。
軽量なネットワークアーキテクチャを提案し、顔属性の分布と回帰属性の値を共同で学習できる統一的なフレームワークを提案する。
提案手法は,36$times$パラメータが小さく,3$times$が顔の年齢/魅力度推定における高速な推論速度を持つ単一モデルを用いて,新しい最先端結果を実現する。
論文 参考訳（メタデータ） (2020-07-03T15:46:53Z) - Enhancing Facial Data Diversity with Style-based Face Aging [59.984134070735934]
特に、顔データセットは、通常、性別、年齢、人種などの属性の観点からバイアスされる。
本稿では, 細粒度の老化パターンをキャプチャするデータ拡張のための, 生成スタイルに基づく新しいアーキテクチャを提案する。
提案手法は, 年齢移動のための最先端アルゴリズムよりも優れていることを示す。
論文 参考訳（メタデータ） (2020-06-06T21:53:44Z)
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。