論文の概要: DiffClean: Diffusion-based Makeup Removal for Accurate Age Estimation
- arxiv url: http://arxiv.org/abs/2507.13292v1
- Date: Thu, 17 Jul 2025 16:58:02 GMT
- ステータス: 翻訳完了
- システム内更新日: 2025-07-18 20:10:24.582543
- Title: DiffClean: Diffusion-based Makeup Removal for Accurate Age Estimation
- Title（参考訳）: DiffClean: 正確な年齢推定のための拡散型メイクアップ除去
- Authors: Ekta Balkrishna Gavas, Chinmay Hegde, Nasir Memon, Sudipta Banerjee,
- Abstract要約: テキスト誘導拡散モデルを用いて化粧品の痕跡を消去して化粧品攻撃を防ぐDiffCleanを提案する。
DiffCleanは、デジタルシミュレートされた実際のメイク画像上の競合するベースラインに対して、年齢推定(マイナー対アダルト精度4.8%)と顔認証(TMRはFMR1%で8.9%)を改善している。
- 参考スコア（独自算出の注目度）: 15.168932314507366
- License: http://creativecommons.org/licenses/by-nc-sa/4.0/
- Abstract: Accurate age verification can protect underage users from unauthorized access to online platforms and e-commerce sites that provide age-restricted services. However, accurate age estimation can be confounded by several factors, including facial makeup that can induce changes to alter perceived identity and age to fool both humans and machines. In this work, we propose DiffClean which erases makeup traces using a text-guided diffusion model to defend against makeup attacks. DiffClean improves age estimation (minor vs. adult accuracy by 4.8%) and face verification (TMR by 8.9% at FMR=0.01%) over competing baselines on digitally simulated and real makeup images.
- Abstract（参考訳）: 正確な年齢検証は、未成年者が年齢制限サービスを提供するオンラインプラットフォームやeコマースサイトへの不正アクセスから保護することができる。
しかし、正確な年齢推定は、認識されたアイデンティティや年齢を変化させて人間と機械の両方を騙すような顔の化粧など、いくつかの要因によって構成できる。
本研究では,テキスト誘導拡散モデルを用いて化粧品の痕跡を消去し,化粧品攻撃を防ぐDiffCleanを提案する。
DiffCleanは、デジタルシミュレートされた実際のメイク画像上の競合するベースラインに対して、年齢推定(マイナー対アダルト精度4.8%)と顔認証(TMR=0.01%)を改善している。
関連論文リスト
- DiffAM: Diffusion-based Adversarial Makeup Transfer for Facial Privacy Protection [60.73609509756533]
DiffAMは、基準画像から対向的な化粧を施した高品質な顔画像を生成するための新しいアプローチである。
実験の結果、DiffAMはブラックボックス設定で12.98%上昇し、視覚的品質の向上と攻撃の成功率の向上を実現している。
論文 参考訳（メタデータ） (2024-05-16T08:05:36Z) - Age-Invariant Face Embedding using the Wasserstein Distance [10.508187462682308]
同一人物の画像が有意な年齢差を示すデータセットにおける顔認証について検討した。
本稿では,マルチタスク学習とワッサーシュタイン距離判別器を用いて,年齢とアイデンティティの埋め込みをアンタングル化する手法を提案する。
論文 参考訳（メタデータ） (2023-05-04T11:33:37Z) - 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) - Assessing the Influencing Factors on the Accuracy of Underage Facial Age
Estimation [3.2111310859841984]
21,800人以上の未成年者を対象に,2つの雲齢推定サービスを評価した。
徹底的な評価により、将来の年齢推定システムにおいて克服すべき最も影響力のある要因を特定できる。
論文 参考訳（メタデータ） (2020-12-02T13:09:56Z) - 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) - Investigating Bias in Deep Face Analysis: The KANFace Dataset and
Empirical Study [67.3961439193994]
現在までに最も包括的で大規模な顔画像とビデオのデータセットを導入している。
データは、アイデンティティ、正確な年齢、性別、親族関係の点で手動で注釈付けされる。
提案したベンチマークでネットワーク埋め込みをデバイアス化する手法を導入し,テストした。
論文 参考訳（メタデータ） (2020-05-15T00:14:39Z) - Cosmetic-Aware Makeup Cleanser [109.41917954315784]
顔認証は、一対の顔画像が同一のアイデンティティに属するかどうかを判定することを目的としている。
最近の研究では、顔の化粧が検証性能に悪影響を及ぼすことが明らかになっている。
本稿では,異なるポーズや表情で顔の化粧を除去する意味認識型化粧清浄器(SAMC)を提案する。
論文 参考訳（メタデータ） (2020-04-20T09:18:23Z) - Child Face Age-Progression via Deep Feature Aging [47.74474569938014]
本稿では,顔マーカによって出力される深層顔の特徴を経時変化させる機能老化モジュールを提案する。
提案手法は、ランク1の識別率95.91%で最先端の手法よりも優れている。
論文 参考訳（メタデータ） (2020-03-17T23:03:46Z)
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。