論文の概要: Peepers & Pixels: Human Recognition Accuracy on Low Resolution Faces
- arxiv url: http://arxiv.org/abs/2503.20108v1
- Date: Tue, 25 Mar 2025 23:09:05 GMT
- ステータス: 翻訳完了
- システム内更新日: 2025-03-27 13:20:42.409886
- Title: Peepers & Pixels: Human Recognition Accuracy on Low Resolution Faces
- Title(参考訳): Peepers & Pixels: 低解像度顔における人間の認識精度
- Authors: Xavier Merino, Gabriella Pangelinan, Samuel Langborgh, Michael C. King, Kevin W. Bowyer,
- Abstract要約: 本研究の目的は、IDD値の範囲で精度を体系的に検証することで、人間の認識精度の境界を探索することである。
低いIDD(10px, 5px)では、意思決定の信頼性が比較的高い(77%, 70.7%)にもかかわらず、人間の精度は確率レベル(50.7%, 35.9%)以下である。
- 参考スコア(独自算出の注目度): 6.355356896948537
- License:
- Abstract: Automated one-to-many (1:N) face recognition is a powerful investigative tool commonly used by law enforcement agencies. In this context, potential matches resulting from automated 1:N recognition are reviewed by human examiners prior to possible use as investigative leads. While automated 1:N recognition can achieve near-perfect accuracy under ideal imaging conditions, operational scenarios may necessitate the use of surveillance imagery, which is often degraded in various quality dimensions. One important quality dimension is image resolution, typically quantified by the number of pixels on the face. The common metric for this is inter-pupillary distance (IPD), which measures the number of pixels between the pupils. Low IPD is known to degrade the accuracy of automated face recognition. However, the threshold IPD for reliability in human face recognition remains undefined. This study aims to explore the boundaries of human recognition accuracy by systematically testing accuracy across a range of IPD values. We find that at low IPDs (10px, 5px), human accuracy is at or below chance levels (50.7%, 35.9%), even as confidence in decision-making remains relatively high (77%, 70.7%). Our findings indicate that, for low IPD images, human recognition ability could be a limiting factor to overall system accuracy.
- Abstract(参考訳): 自動一対一(1:N)顔認識は、法執行機関が一般的に使用している強力な調査ツールである。
この文脈では、自動1:N認識による潜在的な一致は、調査リードとして使用できる前に人間の検査官によってレビューされる。
1:N自動認識は、理想的な撮像条件下でほぼ完璧な精度を達成できるが、運用シナリオでは、様々な品質次元で劣化する監視画像を使用する必要がある。
1つの重要な品質次元は画像分解能であり、通常、顔のピクセル数によって定量化される。
一般的な測定基準は、瞳孔間距離(IPD)であり、瞳孔間の画素数を測定する。
低IDDは、顔認識の精度を低下させることが知られている。
しかし、人間の顔認識における信頼性のしきい値IDDは未定義のままである。
本研究の目的は、IDD値の範囲で精度を体系的に検証することで、人間の認識精度の境界を探索することである。
低いIDD(10px, 5px)では、意思決定の信頼性が比較的高い(77%, 70.7%)にもかかわらず、人間の精度は確率レベル(50.7%, 35.9%)以下である。
以上の結果から,低IDD画像の場合,人間の認識能力はシステム全体の精度に限界がある可能性が示唆された。
関連論文リスト
- Uncertainty Estimation for 3D Object Detection via Evidential Learning [63.61283174146648]
本稿では,3次元検出器における鳥の視線表示における明らかな学習損失を利用して,3次元物体検出の不確かさを定量化するためのフレームワークを提案する。
本研究では,これらの不確実性評価の有効性と重要性を,分布外シーンの特定,局所化の不十分な物体の発見,および(偽陰性)検出の欠如について示す。
論文 参考訳(メタデータ) (2024-10-31T13:13:32Z) - OpticalDR: A Deep Optical Imaging Model for Privacy-Protective
Depression Recognition [66.91236298878383]
抑うつ認識(DR)は、特にプライバシー上の懸念の文脈において、大きな課題となる。
我々は,疾患関連特徴を保持しつつ,撮像した顔画像の識別情報を消去する新しいイメージングシステムを設計した。
正確なDRに必要な本態性疾患の特徴を保ちながら、アイデンティティ情報の回復には不可逆である。
論文 参考訳(メタデータ) (2024-02-29T01:20:29Z) - mmID: High-Resolution mmWave Imaging for Human Identification [16.01613518230451]
本稿では,条件付き生成逆数ネットワーク(cGAN)を用いて人体全体を推定することで画像分解能を向上させることを提案する。
本システムは,人間の識別に有用な特徴を抽出できる,環境に依存しない高解像度画像を生成する。
その結果,Kinectデバイスに5%のシルエット差が認められた。
論文 参考訳(メタデータ) (2024-02-01T20:19:38Z) - Privacy-Preserving Face Recognition in Hybrid Frequency-Color Domain [16.05230409730324]
顔画像は、各ユーザのアイデンティティ情報に関連付けられた、敏感なバイオメトリック属性である。
本稿では,顔認識の入力次元を低減するために,ハイブリッド周波数-カラー融合法を提案する。
1:Nの検証シナリオの最先端よりも約2.6%から4.2%高い精度を持つ。
論文 参考訳(メタデータ) (2024-01-24T11:27:32Z) - Seeing is not always believing: Benchmarking Human and Model Perception
of AI-Generated Images [66.20578637253831]
人工知能(AI)技術の進歩が偽写真を生み出すのではないかという懸念が高まっている。
本研究の目的は、最先端のAI生成視覚コンテンツを識別するためのエージェントを包括的に評価することである。
論文 参考訳(メタデータ) (2023-04-25T17:51:59Z) - Analysis of Recent Trends in Face Recognition Systems [0.0]
クラス間の類似性とクラス内変異により、顔認識システムは、それぞれ偽マッチングと偽非マッチエラーを生成する。
近年の研究では、抽出した特徴の堅牢性向上と、認識精度を高めるための前処理アルゴリズムに焦点が当てられている。
論文 参考訳(メタデータ) (2023-04-23T18:55:45Z) - Human keypoint detection for close proximity human-robot interaction [29.99153271571971]
近接ロボット相互作用の文脈における最先端人間のキーポイント検出器の性能について検討した。
MMPoseとAlphaPoseは近接して全体キーポイント検出器を動作させたが、どちらも指検出に難しかった。
本稿では,MMPose または AlphaPose の身体用と MediaPipe を,最も正確かつ堅牢な検出が可能な単一のフレームワークで組み合わせて提案する。
論文 参考訳(メタデータ) (2022-07-15T20:33:29Z) - Psychophysical Evaluation of Human Performance in Detecting Digital Face
Image Manipulations [14.63266615325105]
この研究は、心理物理学の分野から採用された原則に基づいて、Webベースの遠隔視覚的識別実験を導入する。
本研究では,顔のスワップ,フォーミング,リタッチなど,さまざまな種類の顔画像を検出する能力について検討する。
論文 参考訳(メタデータ) (2022-01-28T12:45:33Z) - Harnessing Unrecognizable Faces for Face Recognition [87.80037162457427]
本稿では,顔画像の認識可能性の尺度を提案し,主に認識可能なアイデンティティを用いて訓練されたディープニューラルネットワークによって実現された。
FAR=1e-5において,認識可能性を考慮した場合,単画像認識の誤り率を58%減少させることを示す。
論文 参考訳(メタデータ) (2021-06-08T05:25:03Z) - Automatic Social Distance Estimation From Images: Performance
Evaluation, Test Benchmark, and Algorithm [78.88882860340797]
新型コロナウイルスは2020年3月から世界的なパンデミックを引き起こしている。
感染リスクを低減するため、他者から最低1メートルの距離を維持することが強く示唆されている。
このようなアルゴリズムには適切なテストベンチマークは存在しない。
論文 参考訳(メタデータ) (2021-03-11T16:15:20Z) - Investigating the Impact of Inclusion in Face Recognition Training Data
on Individual Face Identification [93.5538147928669]
最新のオープンソースの顔認識システムであるArcFaceを、100万枚以上の散らばった画像を用いた大規模な顔識別実験で監査する。
モデルのトレーニングデータには79.71%、存在しない人には75.73%のランク1顔認証精度がある。
論文 参考訳(メタデータ) (2020-01-09T15:50:28Z)
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。