論文の概要: Cross-Domain Identity Representation for Skull to Face Matching with Benchmark DataSet
- arxiv url: http://arxiv.org/abs/2507.08329v1
- Date: Fri, 11 Jul 2025 05:49:12 GMT
- ステータス: 翻訳完了
- システム内更新日: 2025-07-14 18:03:54.251472
- Title: Cross-Domain Identity Representation for Skull to Face Matching with Benchmark DataSet
- Title（参考訳）: Skull と Benchmark DataSet とのマッチングのためのクロスドメインID表現
- Authors: Ravi Shankar Prasad, Dinesh Singh,
- Abstract要約: 本稿では,頭蓋骨のX線像が与えられた人物の識別のための枠組みについて,畳み込みシームズネットワークを用いたクロスドメイン識別のための枠組みを提案する。
シームズネットワークは、同じアーキテクチャを共有するツインネットワークであり、近くの観測がグループ化され、異なる観測が分離される特徴空間を発見するために訓練することができる。
- 参考スコア（独自算出の注目度）: 6.1655282360871375
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Craniofacial reconstruction in forensic science is crucial for the identification of the victims of crimes and disasters. The objective is to map a given skull to its corresponding face in a corpus of faces with known identities using recent advancements in computer vision, such as deep learning. In this paper, we presented a framework for the identification of a person given the X-ray image of a skull using convolutional Siamese networks for cross-domain identity representation. Siamese networks are twin networks that share the same architecture and can be trained to discover a feature space where nearby observations that are similar are grouped and dissimilar observations are moved apart. To do this, the network is exposed to two sets of comparable and different data. The Euclidean distance is then minimized between similar pairs and maximized between dissimilar ones. Since getting pairs of skull and face images are difficult, we prepared our own dataset of 40 volunteers whose front and side skull X-ray images and optical face images were collected. Experiments were conducted on the collected cross-domain dataset to train and validate the Siamese networks. The experimental results provide satisfactory results on the identification of a person from the given skull.
- Abstract（参考訳）: 法医学における頭蓋顔面再建は、犯罪や災害の被害者の特定に不可欠である。
目的は、深層学習などのコンピュータビジョンの最近の進歩を利用して、ある頭蓋骨を既知のアイデンティティを持つ顔のコーパスの対応する顔にマッピングすることである。
本稿では,畳み込み型シームズネットワークを用いて頭蓋骨のX線像を与えられた人物の識別のための枠組みについて述べる。
シームズネットワークは、同じアーキテクチャを共有するツインネットワークであり、近くの観測がグループ化され、異なる観測が分離される特徴空間を発見するために訓練することができる。
これを実現するために、ネットワークは2つの比較データと異なるデータに露出する。
ユークリッド距離は、類似の対間で最小化され、異種間で最大化される。
頭蓋骨と顔画像のペアの取得は困難であるため,前後の頭蓋骨X線画像と光学的顔画像が収集された40人のボランティアのデータセットを用意した。
収集したクロスドメインデータセットを用いて、Siameseネットワークをトレーニングし、検証する実験を行った。
実験結果は、与えられた頭蓋骨から人物を特定するのに十分な結果を与える。
関連論文リスト
- Skull-to-Face: Anatomy-Guided 3D Facial Reconstruction and Editing [34.39385635485985]
頭蓋骨から3D顔を引き出すことは、法科学と考古学において難しい課題である。
本稿では,エンドツーエンドの3次元顔再構成パイプラインと探索手法を提案する。
実際の頭蓋顔面データセットを用いて実験を行い,提案したパイプラインの有効性を実証した。
論文 参考訳（メタデータ） (2024-03-24T16:03:27Z) - Deep Learning Based Face Recognition Method using Siamese Network [0.0]
本稿では,顔画像のラベル付けの必要性を解消し,顔認識にSiameseネットワークを採用することを提案する。
我々は、近隣の隣り合う負のサンプルを戦略的に活用することで、これを実現する。
提案した教師なしシステムは、類似しているが完全に教師付きベースラインと同等のパフォーマンスを提供する。
論文 参考訳（メタデータ） (2023-12-21T16:35:11Z) - Attribute-preserving Face Dataset Anonymization via Latent Code
Optimization [64.4569739006591]
本稿では,事前学習したGANの潜時空間における画像の潜時表現を直接最適化するタスク非依存匿名化手法を提案する。
我々は一連の実験を通して、我々の手法が画像の同一性を匿名化できる一方で、顔の属性をより保存できることを実証した。
論文 参考訳（メタデータ） (2023-03-20T17:34:05Z) - Benchmarking Human Face Similarity Using Identical Twins [5.93228031688634]
自動顔認識(FR)アプリケーションにおいて、双子の双子と双子以外の見た目を区別する問題はますます重要になっている。
この研究は、2つのFR課題に対処するために、これまでにコンパイルされた最大のツインデータセットの1つを応用したものである。
論文 参考訳（メタデータ） (2022-08-25T01:45:02Z) - Simultaneous Bone and Shadow Segmentation Network using Task
Correspondence Consistency [60.378180265885945]
骨と影の同時分割のための共有トランスフォーマベースエンコーダとタスク独立デコーダを備えた単一エンドツーエンドネットワークを提案する。
また,骨表面とそれに対応する影の相互依存性を利用してセグメンテーションを改良する対応整合損失も導入する。
論文 参考訳（メタデータ） (2022-06-16T22:37:05Z) - Prune and distill: similar reformatting of image information along rat
visual cortex and deep neural networks [61.60177890353585]
深部畳み込み神経ネットワーク(CNN)は、脳の機能的類似、視覚野の腹側流の優れたモデルを提供することが示されている。
ここでは、CNNまたは視覚野の内部表現で知られているいくつかの顕著な統計的パターンについて考察する。
我々は、CNNと視覚野が、オブジェクト表現の次元展開/縮小と画像情報の再構成と、同様の密接な関係を持っていることを示す。
論文 参考訳（メタデータ） (2022-05-27T08:06:40Z) - Fused Deep Neural Network based Transfer Learning in Occluded Face
Classification and Person re-Identification [0.0]
本論文は,顔画像中の4種類のうちの1種類を認識することを目的としている。
その結果, Gated Recurrent Unit (GRU) を用いた MobileNet V2 は, 他の移動学習手法よりも優れた性能を示した。
論文 参考訳（メタデータ） (2022-05-15T07:13:33Z) - Learning Co-segmentation by Segment Swapping for Retrieval and Discovery [67.6609943904996]
この研究の目的は、一対のイメージから視覚的に類似したパターンを効率的に識別することである。
画像中のオブジェクトセグメントを選択し、それを別の画像にコピーペーストすることで、合成トレーニングペアを生成する。
提案手法は,Brueghelデータセット上でのアートワークの詳細検索に対して,明確な改善をもたらすことを示す。
論文 参考訳（メタデータ） (2021-10-29T16:51:16Z) - Robust Facial Landmark Detection by Cross-order Cross-semantic Deep
Network [58.843211405385205]
顔のランドマーク検出を堅牢にするためのセマンティックな特徴学習を促進するために,クロスオーダー・クロスセマンティック・ディープ・ネットワーク(CCDN)を提案する。
具体的には、より識別的な表現学習のためのクロスオーダーチャネル相関を導入するために、クロスオーダー2列マルチ励起(CTM)モジュールを提案する。
新しいクロス・オーダー・クロス・セマンティック・レギュレータ (COCS) は、顔のランドマーク検出のために異なるアクティベーションからクロス・オーダーのクロス・セマンティック特徴を学習するためにネットワークを駆動するように設計されている。
論文 参考訳（メタデータ） (2020-11-16T08:19:26Z) - Unsupervised Landmark Learning from Unpaired Data [117.81440795184587]
教師なしランドマーク学習の最近の試みは、外観は似ているがポーズでは異なる合成画像対を活用する。
本稿では,2回スワッピング・リコンストラクション・ストラテジーを適用して最終監視を行うクロスイメージ・サイクル整合性フレームワークを提案する。
提案するフレームワークは,強いベースラインを大きなマージンで上回ることを示す。
論文 参考訳（メタデータ） (2020-06-29T13:57:20Z) - Ear2Face: Deep Biometric Modality Mapping [9.560980936110234]
生体情報間のマッピングを学習するエンド・ツー・エンドのディープニューラルネットワークモデルを提案する。
この問題を画像と画像のペア変換タスクとして定式化し、耳と顔のペアのデータセットを収集した。
我々は、特にFERETデータセットにおいて、耳画像入力から視覚的に魅力的な顔画像を生成する、非常に有望な結果を得た。
論文 参考訳（メタデータ） (2020-06-02T21:14:27Z)
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。