論文の概要: Overcoming Occlusions in the Wild: A Multi-Task Age Head Approach to Age Estimation
- arxiv url: http://arxiv.org/abs/2506.13445v1
- Date: Mon, 16 Jun 2025 13:00:05 GMT
- ステータス: 翻訳完了
- システム内更新日: 2025-06-17 17:28:48.407063
- Title: Overcoming Occlusions in the Wild: A Multi-Task Age Head Approach to Age Estimation
- Title（参考訳）: 野生におけるオクルージョンの克服--年齢推定のためのマルチタスク・エイジ・ヘッド・アプローチ
- Authors: Waqar Tanveer, Laura Fernández-Robles, Eduardo Fidalgo, Víctor González-Castro, Enrique Alegre,
- Abstract要約: 本稿では,GAN(Generative Adversarial Network)とトランスフォーマーアーキテクチャを組み合わせて,隠蔽顔から頑健な年齢推定を実現する手法を提案する。
FG-NET, UTKFace, MORPHデータセットによる実験結果から, 提案手法が既存の顔年齢推定技術を超えていることが判明した。
- 参考スコア（独自算出の注目度）: 8.458496687170665
- License: http://creativecommons.org/licenses/by-nc-nd/4.0/
- Abstract: Facial age estimation has achieved considerable success under controlled conditions. However, in unconstrained real-world scenarios, which are often referred to as 'in the wild', age estimation remains challenging, especially when faces are partially occluded, which may obscure their visibility. To address this limitation, we propose a new approach integrating generative adversarial networks (GANs) and transformer architectures to enable robust age estimation from occluded faces. We employ an SN-Patch GAN to effectively remove occlusions, while an Attentive Residual Convolution Module (ARCM), paired with a Swin Transformer, enhances feature representation. Additionally, we introduce a Multi-Task Age Head (MTAH) that combines regression and distribution learning, further improving age estimation under occlusion. Experimental results on the FG-NET, UTKFace, and MORPH datasets demonstrate that our proposed approach surpasses existing state-of-the-art techniques for occluded facial age estimation by achieving an MAE of $3.00$, $4.54$, and $2.53$ years, respectively.
- Abstract（参考訳）: 顔の年齢推定は、制御された条件下でかなりの成功を収めた。
しかし、しばしば「野生」と呼ばれる制約のない現実のシナリオでは、特に顔が部分的に隠されている場合、年齢推定は困難であり、視界を曖昧にする可能性がある。
この制限に対処するために,GAN(Generative Adversarial Network)とトランスフォーマーアーキテクチャを統合し,隠蔽顔から頑健な年齢推定を可能にする手法を提案する。
本研究では,SN-Patch GANを用いてオクルージョンを効果的に除去する一方,Swin変換器と組み合わせたARCM(Attentive Residual Convolution Module)により特徴表現が向上する。
さらに、回帰学習と分布学習を組み合わせたMTAH(Multi-Task Age Head)を導入し、閉塞下での年齢推定をさらに改善した。
FG-NET, UTKFace, MORPHデータセットの実験結果から, 提案手法は, 3.00$, 4.54$, 2.53$のMAEをそれぞれ達成し, 隠蔽顔面年齢推定の最先端技術を上回ることを示した。
関連論文リスト
- From Age Estimation to Age-Invariant Face Recognition: Generalized Age Feature Extraction Using Order-Enhanced Contrastive Learning [23.817867981093382]
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。
我々は,異なるデータセットやシナリオ間のドメインギャップを最小限に抑えるために,秩序強化コントラスト学習(OrdCon)を提案する。
提案手法は,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。
論文 参考訳（メタデータ） (2025-01-03T11:23:52Z) - SwinFace: A Multi-task Transformer for Face Recognition, Expression
Recognition, Age Estimation and Attribute Estimation [60.94239810407917]
本論文では,単一スウィントランスを用いた顔認識,表情認識,年齢推定,顔属性推定のための多目的アルゴリズムを提案する。
複数のタスク間の競合に対処するため、マルチレベルチャネル注意(MLCA)モジュールをタスク固有の分析に統合する。
実験の結果,提案したモデルでは顔の理解が良く,全てのタスクにおいて優れた性能が得られることがわかった。
論文 参考訳（メタデータ） (2023-08-22T15:38:39Z) - 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) - A Unified Framework for Biphasic Facial Age Translation with
Noisy-Semantic Guided Generative Adversarial Networks [54.57520952117123]
バイファシックな顔の年齢変換は、任意の年齢における入力顔の出現を予測することを目的としている。
本稿では,ノイズ・セマンティック誘導合成対向ネットワークを用いた二相性顔面年齢変換のための統一的枠組みを提案する。
論文 参考訳（メタデータ） (2021-09-15T15:30:35Z) - 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) - 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) - PFA-GAN: Progressive Face Aging with Generative Adversarial Network [19.45760984401544]
本論文では,PFA-GANを基盤とした新しい顔老化フレームワークを提案する。
このフレームワークは、蓄積されたアーティファクトと曖昧さを取り除くために、エンドツーエンドでトレーニングすることができる。
実験により,既存の (c) GANs 法よりも優れた性能を示した。
論文 参考訳（メタデータ） (2020-12-07T05:45:13Z) - Age Gap Reducer-GAN for Recognizing Age-Separated Faces [72.26969872180841]
本稿では,年齢変化に伴う顔と時間変化をマッチングする新しいアルゴリズムを提案する。
提案手法は,顔の年齢推定と年齢別顔の検証を組み合わせた統合フレームワークである。
論文 参考訳（メタデータ） (2020-11-11T16:43:32Z) - 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)
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。