論文の概要: A Responsible Face Recognition Approach for Small and Mid-Scale Systems Through Personalized Neural Networks
- arxiv url: http://arxiv.org/abs/2505.19920v1
- Date: Mon, 26 May 2025 12:45:01 GMT
- ステータス: 翻訳完了
- システム内更新日: 2025-05-27 16:58:43.431684
- Title: A Responsible Face Recognition Approach for Small and Mid-Scale Systems Through Personalized Neural Networks
- Title（参考訳）: パーソナライズされたニューラルネットワークによる小型・中規模システムに対する応答性顔認識手法
- Authors: Sebastian Groß, Stefan Heindorf, Philipp Terhörst,
- Abstract要約: ベクトルベースの顔テンプレートを小さなパーソナライズされたニューラルネットワークに置き換える新しいモデルテンプレートアプローチを提案する。
MOTEは各ID専用のバイナリ分類器を作成し、入力顔が登録されたIDと一致するかどうかを判断するように訓練される。
複数のデータセットと認識システムに対する実験は、公正性、特にプライバシーにおいて大幅に改善されている。
- 参考スコア（独自算出の注目度）: 1.8916513799622021
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Traditional face recognition systems rely on extracting fixed face representations, known as templates, to store and verify identities. These representations are typically generated by neural networks that often lack explainability and raise concerns regarding fairness and privacy. In this work, we propose a novel model-template (MOTE) approach that replaces vector-based face templates with small personalized neural networks. This design enables more responsible face recognition for small and medium-scale systems. During enrollment, MOTE creates a dedicated binary classifier for each identity, trained to determine whether an input face matches the enrolled identity. Each classifier is trained using only a single reference sample, along with synthetically balanced samples to allow adjusting fairness at the level of a single individual during enrollment. Extensive experiments across multiple datasets and recognition systems demonstrate substantial improvements in fairness and particularly in privacy. Although the method increases inference time and storage requirements, it presents a strong solution for small- and mid-scale applications where fairness and privacy are critical.
- Abstract（参考訳）: 従来の顔認識システムは、アイデンティティを保存し検証するために、テンプレートとして知られる固定された顔表現を抽出することに頼っている。
これらの表現は一般的にニューラルネットワークによって生成され、説明責任が欠如し、公正性とプライバシに関する懸念を提起する。
本研究では、ベクトルベースの顔テンプレートを小さなパーソナライズされたニューラルネットワークに置き換える新しいモデルテンプレート(MOTE)アプローチを提案する。
この設計により、小規模・中規模のシステムに対してより責任ある顔認識が可能となる。
登録中、MOTEは各ID専用のバイナリ分類器を作成し、入力顔が登録されたIDと一致するかどうかを判断するように訓練される。
各分類器は、単一の参照サンプルと合成バランスの取れたサンプルを使用して訓練され、入学者の1人のレベルでの公平さを調整できる。
複数のデータセットと認識システムにわたる大規模な実験は、公正性、特にプライバシにおいて大幅に改善されている。
この方法は推論時間とストレージの要求を増大させるが、公平性とプライバシが重要な中小規模アプリケーションに対して強力なソリューションを提供する。
関連論文リスト
- Diffusion-Driven Universal Model Inversion Attack for Face Recognition [17.70133779192382]
顔認識システムは、伝統的にプライバシー保護と見なされる生の画像を埋め込みに変換する。
モデル反転攻撃は、プライベートな顔画像の再構築によって重大なプライバシー上の脅威となる。
顔認識システムのためのトレーニングフリー拡散駆動型ユニバーサルモデルインバージョンアタックであるDiffUMIを提案する。
論文 参考訳（メタデータ） (2025-04-25T01:53:27Z) - CLIP Unreasonable Potential in Single-Shot Face Recognition [0.0]
顔認識は、顔のパターンや特徴を分析して個人を識別し、認証するために設計されたコンピュータビジョンの中核的なタスクである。
近年,OpenAIによって開発されたCLIP(Contrastive Language Image Pretraining)モデルが注目されている。
CLIPは自然言語処理と視覚タスクを結びつけることで、モジュール間の一般化を可能にする。
論文 参考訳（メタデータ） (2024-11-19T08:23:52Z) - Federated Face Forgery Detection Learning with Personalized Representation [63.90408023506508]
ディープジェネレータ技術は、区別がつかない高品質のフェイクビデオを制作し、深刻な社会的脅威をもたらす可能性がある。
従来の偽造検出手法は、データを直接集中的に訓練する。
本稿では,個人化表現を用いた新しいフェデレーション顔偽造検出学習を提案する。
論文 参考訳（メタデータ） (2024-06-17T02:20:30Z) - Faceptor: A Generalist Model for Face Perception [52.8066001012464]
Faceptorは、よく設計されたシングルエンコーダのデュアルデコーダアーキテクチャを採用するために提案されている。
Faceptorへのレイヤアテンションにより、モデルが最適なレイヤから機能を適応的に選択して、望ましいタスクを実行することができる。
我々のトレーニングフレームワークは補助的な教師付き学習にも適用でき、年齢推定や表現認識といったデータスパースタスクの性能を大幅に向上させることができる。
論文 参考訳（メタデータ） (2024-03-14T15:42:31Z) - Open-set Face Recognition with Neural Ensemble, Maximal Entropy Loss and
Feature Augmentation [1.8047694351309207]
オープンセット顔認識(Open-set Face Recognition)とは、生体認証システムが既存の全ての被験者について不完全な知識を持つシナリオを指す。
この研究は、コンパクトニューラルネットワークのアンサンブルとマージンベースのコスト関数を関連付ける新しい手法を導入する。
我々は、よく知られたLFWとIJB-Cデータセットで実験を行い、その結果、アプローチがクローズドおよびオープンセットの識別率を高めることができることを示す。
論文 参考訳（メタデータ） (2023-08-23T18:22:03Z) - Dynamic Prototype Mask for Occluded Person Re-Identification [88.7782299372656]
既存の手法では、目に見える部分を識別するために、余分なネットワークによって提供される身体の手がかりを利用することで、この問題に対処している。
2つの自己明快な事前知識に基づく新しい動的プロトタイプマスク(DPM)を提案する。
この条件下では、隠蔽された表現は、選択された部分空間において自然にうまく整列することができる。
論文 参考訳（メタデータ） (2022-07-19T03:31:13Z) - Towards Intrinsic Common Discriminative Features Learning for Face
Forgery Detection using Adversarial Learning [59.548960057358435]
本稿では, 対人学習を利用して, 異なる偽造法と顔の同一性による負の効果を除去する手法を提案する。
我々の顔偽造検出モデルは、偽造法や顔の同一性の影響を排除し、共通の識別的特徴を抽出することを学ぶ。
論文 参考訳（メタデータ） (2022-07-08T09:23:59Z) - Real Time Face Recognition Using Convoluted Neural Networks [0.0]
畳み込みニューラルネットワークは顔認識に最適であることが証明されている。
データセットの作成は、認識される人の顔映像を何百もの人の画像に変換することで行われる。
論文 参考訳（メタデータ） (2020-10-09T12:04:49Z) - Joint Deep Learning of Facial Expression Synthesis and Recognition [97.19528464266824]
顔表情の合成と認識を効果的に行うための新しい統合深層学習法を提案する。
提案手法は, 2段階の学習手順を伴い, まず, 表情の異なる顔画像を生成するために, 表情合成生成対向ネットワーク (FESGAN) を事前訓練する。
実画像と合成画像間のデータバイアスの問題を軽減するために,新しい実データ誘導バックプロパゲーション(RDBP)アルゴリズムを用いたクラス内損失を提案する。
論文 参考訳（メタデータ） (2020-02-06T10:56:00Z) - 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。