論文の概要: Archival Faces: Detection of Faces in Digitized Historical Documents
- arxiv url: http://arxiv.org/abs/2504.00558v1
- Date: Tue, 01 Apr 2025 09:10:45 GMT
- ステータス: 翻訳完了
- システム内更新日: 2025-04-03 13:22:00.559916
- Title: Archival Faces: Detection of Faces in Digitized Historical Documents
- Title（参考訳）: 考古学的顔:デジタル化された歴史文書における顔の検出
- Authors: Marek Vaško, Adam Herout, Michal Hradiš,
- Abstract要約: 現在の顔検出器は、50:90%のIoUで約24%のmAPしか達成していない。
この研究は、デジタル化された歴史新聞の2.2kの新しい画像を含む、手動で注釈付きドメイン特化データセットを導入している。
- 参考スコア（独自算出の注目度）: 3.32292936540283
- License:
- Abstract: When digitizing historical archives, it is necessary to search for the faces of celebrities and ordinary people, especially in newspapers, link them to the surrounding text, and make them searchable. Existing face detectors on datasets of scanned historical documents fail remarkably -- current detection tools only achieve around $24\%$ mAP at $50:90\%$ IoU. This work compensates for this failure by introducing a new manually annotated domain-specific dataset in the style of the popular Wider Face dataset, containing 2.2k new images from digitized historical newspapers from the $19^{th}$ to $20^{th}$ century, with 11k new bounding-box annotations and associated facial landmarks. This dataset allows existing detectors to be retrained to bring their results closer to the standard in the field of face detection in the wild. We report several experimental results comparing different families of fine-tuned detectors against publicly available pre-trained face detectors and ablation studies of multiple detector sizes with comprehensive detection and landmark prediction performance results.
- Abstract（参考訳）: 歴史資料をデジタル化する際には、特に新聞で有名人や一般人の顔を検索し、周囲のテキストにリンクし、検索できるようにする必要がある。
現在の検出ツールは、50:90\%のIoUで約24:%のmAPしか達成できない。
この作業は、人気のWider Faceデータセットのスタイルで、新たに手動で注釈付きドメイン固有のデータセットを導入することで、この失敗を補う。
このデータセットは、既存の検出器を再トレーニングすることで、野生の顔検出の分野における標準にその結果を近づけることができる。
本報告では, 各種微調整検出器群と, 公開されている顔検出器群を比較した実験結果と, 包括的検出とランドマーク予測性能を用いた複数検出器径のアブレーション研究について報告する。
関連論文リスト
- Semantic Contextualization of Face Forgery: A New Definition, Dataset, and Detection Method [77.65459419417533]
我々は、顔偽造を意味的文脈に置き、人間の識別しきい値を超えた意味的顔属性を変更するテキスト計算法が顔偽造の源であると定義する。
本稿では,ラベル関係を抽出し,主課題(実物,偽物)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。
提案したデータセットは、テストセットとして現在の検出器の弱点を効果的に公開し、トレーニングセットとしてそれらの一般化性を一貫して改善することを示す。
論文 参考訳（メタデータ） (2024-05-14T10:24:19Z) - Individualized Deepfake Detection Exploiting Traces Due to Double
Neural-Network Operations [32.33331065408444]
既存のディープフェイク検出器は、画像が特定かつ識別可能な個人と関連付けられている場合、この検出タスクに最適化されない。
本研究では,個々の人物の顔画像のディープフェイク検出に焦点を当てた。
ニューラルネットワークのイデオロシティ特性を利用して検出性能を向上できることを実証する。
論文 参考訳（メタデータ） (2023-12-13T10:21:00Z) - Exploring Decision-based Black-box Attacks on Face Forgery Detection [53.181920529225906]
顔の偽造生成技術は鮮明な顔を生み出し、セキュリティとプライバシーに対する世間の懸念を高めている。
顔偽造検出は偽の顔の識別に成功しているが、最近の研究では顔偽造検出は敵の例に対して非常に脆弱であることが示されている。
論文 参考訳（メタデータ） (2023-10-18T14:49:54Z) - FedForgery: Generalized Face Forgery Detection with Residual Federated
Learning [87.746829550726]
既存の顔偽造検出方法は、取得した共有データや集中データを直接利用して訓練を行う。
顔偽造検出のための一般化された残留フェデレーション学習(FedForgery)を提案する。
顔偽造検出データセットを公開して行った実験は、提案したFedForgeryの優れた性能を証明している。
論文 参考訳（メタデータ） (2022-10-18T03:32:18Z) - Finding Facial Forgery Artifacts with Parts-Based Detectors [73.08584805913813]
顔の個々の部分に焦点を絞った一連の偽造検知システムを設計する。
これらの検出器を用いて、FaceForensics++、Celeb-DF、Facebook Deepfake Detection Challengeデータセットの詳細な実験分析を行う。
論文 参考訳（メタデータ） (2021-09-21T16:18:45Z) - OpenForensics: Large-Scale Challenging Dataset For Multi-Face Forgery
Detection And Segmentation In-The-Wild [48.67582300190131]
本稿では,多面フォージェリ検出とセグメント化という2つの新しい対策課題について述べる。
制約のない自然の場面で、複数の人間の顔に偽の顔を置くことは、従来のディープフェイク認識タスクよりもはるかに難しい。
豊富なアノテーションによって、私たちのOpenForensicsデータセットは、ディープフェイク防止と一般的な人間の顔検出の両方の研究に大きな可能性を秘めています。
論文 参考訳（メタデータ） (2021-07-30T08:15:41Z) - VideoForensicsHQ: Detecting High-quality Manipulated Face Videos [77.60295082172098]
偽造検知器の性能は、人間の目で見られる人工物の存在にどのように依存するかを示す。
前例のない品質の顔ビデオ偽造検出のための新しいベンチマークデータセットを導入する。
論文 参考訳（メタデータ） (2020-05-20T21:17:43Z)
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。