論文の概要: FCR: Investigating Generative AI models for Forensic Craniofacial Reconstruction

• arxiv url: http://arxiv.org/abs/2508.18031v1
• Date: Mon, 25 Aug 2025 13:52:59 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-08-26 18:43:45.800483
• Title: FCR: Investigating Generative AI models for Forensic Craniofacial Reconstruction
• Title（参考訳）: FCR:法医学的頭蓋顔面再建のための生成AIモデルの検討
• Authors: Ravi Shankar Prasad, Dinesh Singh,
• Abstract要約: 2次元X線画像からの頭蓋顔面再建のための汎用的枠組みを提案する。 2次元X線が頭蓋顔面再建のための生成モデルによって頭蓋骨の表現として使用されるのは、これが初めてである。 実験結果から,これは法医学の有効なツールであることがわかった。
• 参考スコア（独自算出の注目度）: 2.9936254916060503
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Craniofacial reconstruction in forensics is one of the processes to identify victims of crime and natural disasters. Identifying an individual from their remains plays a crucial role when all other identification methods fail. Traditional methods for this task, such as clay-based craniofacial reconstruction, require expert domain knowledge and are a time-consuming process. At the same time, other probabilistic generative models like the statistical shape model or the Basel face model fail to capture the skull and face cross-domain attributes. Looking at these limitations, we propose a generic framework for craniofacial reconstruction from 2D X-ray images. Here, we used various generative models (i.e., CycleGANs, cGANs, etc) and fine-tune the generator and discriminator parts to generate more realistic images in two distinct domains, which are the skull and face of an individual. This is the first time where 2D X-rays are being used as a representation of the skull by generative models for craniofacial reconstruction. We have evaluated the quality of generated faces using FID, IS, and SSIM scores. Finally, we have proposed a retrieval framework where the query is the generated face image and the gallery is the database of real faces. By experimental results, we have found that this can be an effective tool for forensic science.
• Abstract（参考訳）: 鑑識における頭蓋顔面再建は、犯罪や自然災害の犠牲者を特定する過程の1つである。 遺骨から個人を特定することは、他のすべての識別方法が失敗した場合に重要な役割を果たす。 粘土をベースとした頭蓋顔面再建のような従来の手法では、専門的なドメイン知識が必要であり、時間を要するプロセスである。 同時に、統計形状モデルやベースル顔モデルのような他の確率的生成モデルは、頭蓋骨や顔のクロスドメインの属性を捉えることができない。 そこで本研究では,2次元X線画像からの頭蓋顔面再建のための汎用的枠組みを提案する。 ここでは、様々な生成モデル(例えば、CycleGAN、cGANなど)を用いて、ジェネレータと識別部を微調整し、個体の頭蓋骨と顔である2つの異なる領域でよりリアルな画像を生成する。 2次元X線が頭蓋顔面再建のための生成モデルによって頭蓋骨の表現として使用されるのは、これが初めてである。 FID,IS,SSIMスコアを用いて生成顔の質を評価した。 最後に,クエリが生成した顔画像であり,ギャラリーが実際の顔のデータベースである検索フレームワークを提案する。 実験結果から,これは法医学の有効なツールであることがわかった。

関連論文リスト

• Cross-Domain Identity Representation for Skull to Face Matching with Benchmark DataSet [6.1655282360871375]
  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。
  論文  参考訳（メタデータ） (2025-07-11T05:49:12Z)
• OSDFace: One-Step Diffusion Model for Face Restoration [72.5045389847792]
  拡散モデルは、顔の修復において顕著な性能を示した。 顔復元のための新しいワンステップ拡散モデルOSDFaceを提案する。 その結果,OSDFaceは現状のSOTA(State-of-the-art)手法を視覚的品質と定量的指標の両方で上回っていることがわかった。
  論文  参考訳（メタデータ） (2024-11-26T07:07:48Z)
• UniForensics: Face Forgery Detection via General Facial Representation [60.5421627990707]
  高レベルの意味的特徴は摂動の影響を受けにくく、フォージェリー固有の人工物に限らないため、より強い一般化がある。 我々は、トランスフォーマーベースのビデオネットワークを活用する新しいディープフェイク検出フレームワークUniForensicsを導入し、顔の豊かな表現のためのメタファンクショナルな顔分類を行う。
  論文  参考訳（メタデータ） (2024-07-26T20:51:54Z)
• 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)
• FitDiff: Robust monocular 3D facial shape and reflectance estimation using Diffusion Models [79.65289816077629]
  拡散型3次元顔アバター生成モデルFitDiffを提案する。 本モデルでは,「近距離」2次元顔画像から抽出したアイデンティティ埋め込みを利用して,再現性のある顔アバターを高精度に生成する。 FitDiffは、顔認識の埋め込みを前提とした最初の3D LDMであり、一般的なレンダリングエンジンで使用可能な、ライティング可能な人間のアバターを再構築する。
  論文  参考訳（メタデータ） (2023-12-07T17:35:49Z)
• Diffusion Models for Counterfactual Generation and Anomaly Detection in Brain Images [39.94162291765236]
  病気の画像の健全なバージョンを生成し,それを用いて画素単位の異常マップを得るための弱教師付き手法を提案する。 健常者を対象にした拡散モデルを用いて, サンプリングプロセスの各ステップで拡散拡散確率モデル (DDPM) と拡散拡散確率モデル (DDIM) を組み合わせる。
  論文  参考訳（メタデータ） (2023-08-03T21:56:50Z)
• Fast refacing of MR images with a generative neural network lowers re-identification risk and preserves volumetric consistency [5.040145546652933]
  本稿では,3次元条件生成対向ネットワークに基づく3次元T1重み付きスキャンのための顔の匿名化手法を提案する。 提案手法は顔生成に9秒を要し, 顔の変形後の一貫した後処理結果の復元に適している。
  論文  参考訳（メタデータ） (2023-05-26T13:34:14Z)
• Patched Diffusion Models for Unsupervised Anomaly Detection in Brain MRI [55.78588835407174]
  本稿では,正常脳解剖のパッチベース推定法として拡散モデルの生成タスクを再構築する手法を提案する。 腫瘍と多発性硬化症について検討し,既存のベースラインと比較して25.1%の改善がみられた。
  論文  参考訳（メタデータ） (2023-03-07T09:40:22Z)
• SCULPTOR: Skeleton-Consistent Face Creation Using a Learned Parametric Generator [42.25745590793068]
  本稿では,SCULPTORとSkeleton Consistencyを併用した3次元顔生成システムについて述べる。 SCULPTORのコアとなるLUCYは、プラスチック外科医とコラボレーションした最初の大規模な形状骨格顔データセットである。
  論文  参考訳（メタデータ） (2022-09-14T05:21:20Z)

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。