Fugu-MT 論文翻訳(概要): A Race Bias Free Face Aging Model for Reliable Kinship Verification

論文の概要: A Race Bias Free Face Aging Model for Reliable Kinship Verification

arxiv url: http://arxiv.org/abs/2509.15177v1
Date: Thu, 18 Sep 2025 17:34:20 GMT
ステータス: 翻訳完了
システム内更新日: 2025-09-19 17:26:53.364366
Title: A Race Bias Free Face Aging Model for Reliable Kinship Verification
Title（参考訳）: 信頼関係検証のためのレースバイアスフリー顔時効モデル
Authors: Ali Nazari, Bardiya Kariminia, Mohsen Ebrahimi Moghaddam,
Abstract要約: 我々は、人種的に偏りのない画像を生成するために、RA-GANとRA-GANという2つの新しいモジュール、ACEpSpと特徴ミキサーからなる顔老化型GANモデルを提案する。無バイアス合成写真は、同年齢の親子画像の検証結果を調べるために親子検証に使用される。
参考スコア（独自算出の注目度）: 1.1151457846264183
License: http://creativecommons.org/licenses/by-nc-sa/4.0/
Abstract: The age gap in kinship verification addresses the time difference between the photos of the parent and the child. Moreover, their same-age photos are often unavailable, and face aging models are racially biased, which impacts the likeness of photos. Therefore, we propose a face aging GAN model, RA-GAN, consisting of two new modules, RACEpSp and a feature mixer, to produce racially unbiased images. The unbiased synthesized photos are used in kinship verification to investigate the results of verifying same-age parent-child images. The experiments demonstrate that our RA-GAN outperforms SAM-GAN on an average of 13.14\% across all age groups, and CUSP-GAN in the 60+ age group by 9.1\% in terms of racial accuracy. Moreover, RA-GAN can preserve subjects' identities better than SAM-GAN and CUSP-GAN across all age groups. Additionally, we demonstrate that transforming parent and child images from the KinFaceW-I and KinFaceW-II datasets to the same age can enhance the verification accuracy across all age groups. The accuracy increases with our RA-GAN for the kinship relationships of father-son and father-daughter, mother-son, and mother-daughter, which are 5.22, 5.12, 1.63, and 0.41, respectively, on KinFaceW-I. Additionally, the accuracy for the relationships of father-daughter, father-son, and mother-son is 2.9, 0.39, and 1.6 on KinFaceW-II, respectively. The code is available at~\href{https://github.com/bardiya2254kariminia/An-Age-Transformation-whitout-racial-bias-for-Kinship-verifi cation}{Github}
Abstract（参考訳）: 親子関係検証における年齢差は、親子間の時間差に対処する。さらに、同年齢の写真は利用できないことが多く、顔の老化モデルは人種的に偏りがあり、写真の類似性に影響を与える。そこで本稿では、RA-GANモデル(RA-GAN)とRA-GANモデル(RA-GAN)を提案し、人種的に偏りのない画像を生成する。無バイアス合成写真は、同年齢の親子画像の検証結果を調べるために親子検証に使用される。実験の結果, RA-GANはすべての年齢群で平均13.14 %, CUSP-GANは60歳以上では9.1 %, SAM-GANは平均13.14 %, CUSP-GANは9.1 %の成績を示した。さらに、RA-GANは、すべての年齢層でSAM-GANやCUSP-GANよりも被験者のアイデンティティを保存できる。さらに,KinFaceW-IデータセットとKinFaceW-IIデータセットを同一年齢に変換することで,すべての年齢群での検証精度が向上することを示した。 RA-GANの精度は,KinFaceW-Iにおける父子,父子,母子,母子の血縁関係において,それぞれ5.22,5.12,1.63,0.41の精度で上昇した。また、KinFaceW-IIでは、父娘、父息子、母子の関係の精度は2.9、0.39、1.6である。コードは~\href{https://github.com/bardiya2254kariminia/An-Age-Transformation-whitout-racial-bias-for-Kinship-verifi cation}{Github}で公開されている。

関連論文リスト

Underage Detection through a Multi-Task and MultiAge Approach for Screening Minors in Unconstrained Imagery [6.903111965769448]
凍結したFaRLビジョンバックボーンをベースとしたマルチタスクアーキテクチャを提案する。視力の低下と年齢差を伴って, 全体の清潔化を訓練した。 F2スコアが0.801から0.857から1%の偽エラー率で18以下で検出された。アンダー-12タスクとアンダー-15タスクでは、F2の各ブースターは0.666から0.955、それぞれ0.689から0.916である。
論文参考訳（メタデータ） (2025-06-12T13:36:27Z)
Kinship Verification through a Forest Neural Network [0.20482269513546453]
そこで本稿では,顔表現を利用したグラフニューラルネットワークの概念を特徴とするアプローチを提案し,共同表現アルゴリズムに匹敵する結果を得た。 KinFaceW-I と II について実験を行い,本手法の有効性を実証した。
論文参考訳（メタデータ） (2025-04-26T12:50:12Z)
StyleDiT: A Unified Framework for Diverse Child and Partner Faces Synthesis with Style Latent Diffusion Transformer [11.83733187403255]
StyleDiTは、StyleGANの強みと拡散モデルを統合する新しいフレームワークで、高品質で多様な親和性面を生成する。本稿では,Trait Guidance(RTG)機構を導入し,影響条件の独立制御を可能にする。アプリケーションを探索されていない領域に拡張し、子供の画像と1人の親のイメージを使用してパートナーの顔画像を予測する。
論文参考訳（メタデータ） (2024-12-14T10:47:17Z)
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)
Child Face Recognition at Scale: Synthetic Data Generation and Performance Benchmark [3.4110993541168853]
HDA-SynChildFacesは1,652人の被験者と188,832人の画像で構成され、各被験者は様々な年齢で存在し、多くの異なる物体内変異を持つ。生成したデータベース上での様々な顔認識システムの性能評価を行い、年齢の異なる大人と子供の結果と比較した。
論文参考訳（メタデータ） (2023-04-23T15:29:26Z)
On GANs perpetuating biases for face verification [75.99046162669997]
GANなどの生成モデルから生成されたデータにはバイアスや公平性の問題が伴う。特に、FFHQデータセットでトレーニングされたGANは、20～29歳の年齢層で白人の顔を生成するバイアスを示している。
論文参考訳（メタデータ） (2022-08-27T17:47:09Z)
Heredity-aware Child Face Image Generation with Latent Space Disentanglement [96.92684978356425]
本研究では,子育てに先立つ親のイメージに基づいて子どものイメージを生成するための,子育てという新しいアプローチを提案する。第一の考え方は、事前訓練された生成モデルの潜伏空間を乱し、明確な意味論で児童画像の顔属性を正確に制御することである。
論文参考訳（メタデータ） (2021-08-25T06:59:43Z)
Enhance Gender and Identity Preservation in Face Aging Simulation for Infants and Toddlers [10.447210000352847]
本研究では,CAAE(Conditional Adversarial Autoencoder)モデルに触発された新しいディープラーニング手法を提案する。 UTKFaceデータセットを用いてモデルをトレーニングし,男性1,156名,女性1,207名,幼児1,207名を対象に,100年間の老化をシミュレートした。
論文参考訳（メタデータ） (2020-11-15T01:40:36Z)
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)
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。