論文の概要: Mitigating Longitudinal Performance Degradation in Child Face Recognition Using Synthetic Data

• arxiv url: http://arxiv.org/abs/2601.01689v1
• Date: Sun, 04 Jan 2026 23:03:03 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-01-06 16:25:22.649428
• Title: Mitigating Longitudinal Performance Degradation in Child Face Recognition Using Synthetic Data
• Title（参考訳）: 合成データを用いた幼児の顔認識における経時的パフォーマンス劣化の軽減
• Authors: Afzal Hossain, Stephanie Schuckers,
• Abstract要約: 本研究では, 子どもの顔認識モデルの時間的ロバスト性を向上させることにより, 合成顔データが縦方向安定化器として機能するかどうかを検討する。 我々は,データセットを指定せずに事前訓練したMagFace埋め込み,認証されたトレーニング顔のみを用いたMagFace微調整,および認証されたトレーニング顔と合成生成されたトレーニング顔の組み合わせによるMagFace微調整の3つの設定を評価する。 6～36ヶ月の入学検証ギャップにおける実験結果から, 合成微調整は, 予め訓練したベースラインと実物のみの微調整の両方と比較して, 誤差を著しく低減することが示された。
• 参考スコア（独自算出の注目度）: 0.7734726150561086
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Longitudinal face recognition in children remains challenging due to rapid and nonlinear facial growth, which causes template drift and increasing verification errors over time. This work investigates whether synthetic face data can act as a longitudinal stabilizer by improving temporal robustness of child face recognition models. Using an identity disjoint protocol on the Young Face Aging (YFA) dataset, we evaluate three settings: (i) pretrained MagFace embeddings without dataset specific fine-tuning, (ii) MagFace fine-tuned using authentic training faces only, and (iii) MagFace fine-tuned using a combination of authentic and synthetically generated training faces. Synthetic data is generated using StyleGAN2 ADA and incorporated exclusively within the training identities; a post generation filtering step is applied to mitigate identity leakage and remove artifact affected samples. Experimental results across enrollment verification gaps from 6 to 36 months show that synthetic-augmented fine tuning substantially reduces error rates relative to both the pretrained baseline and real only fine tuning. These findings provide a risk aware assessment of synthetic augmentation for improving identity persistence in pediatric face recognition.
• Abstract（参考訳）: 幼児の縦方向の顔認識は、急速に非線形に成長し、テンプレートドリフトを引き起こし、時間とともに検証エラーが増加するため、依然として困難である。 本研究では, 子どもの顔認識モデルの時間的ロバスト性を向上させることにより, 合成顔データが縦方向安定化器として機能するかどうかを検討する。 Young Face Aging(YFA)データセット上のID不整合プロトコルを用いて、3つの設定を評価する。 (i)データセット固有の微調整なしで、事前訓練されたMagFace埋め込み。 (二)本物の訓練顔のみを用いたマグフェイス微調整、及び 3MagFaceは、真偽と合成的に生成された訓練顔を組み合わせて微調整する。 合成データはStyleGAN2 ADAを使用して生成され、トレーニングIDにのみ組み込まれ、ポストジェネレーションフィルタリングステップを適用して、アイデンティティの漏洩を軽減し、影響を受けるアーティファクトを除去する。 6～36ヶ月の入学検証ギャップにおける実験結果から, 合成微調整は, 予め訓練したベースラインと実物のみの微調整の両方と比較して, 誤差を著しく低減することが示された。 これらの知見は, 小児の顔認識における恒常性向上のための合成増強のリスクアセスメントを提供する。

関連論文リスト

• A Comparative Study on Synthetic Facial Data Generation Techniques for Face Recognition [1.5515194949246]
  本研究は, 顔認識タスクにおいて, 異なる手法を用いて生成した合成顔データの有効性を比較した。 その結果, 実データとの性能ギャップを埋めるためのさらなる研究の必要性を強調しつつ, 現実的な変動を捉える合成データの能力を実証した。
  論文  参考訳（メタデータ） (2025-12-05T18:11:29Z)
• SynFER: Towards Boosting Facial Expression Recognition with Synthetic Data [78.70620682374624]
  ハイレベルなテキスト記述に基づく表情画像データの合成のための新しいフレームワークであるSynFERを紹介する。 合成データの質と信頼性を確保するため,セマンティックガイダンス手法と擬似ラベル生成手法を提案する。 その結果, 提案手法の有効性と合成データの有効性が検証された。
  論文  参考訳（メタデータ） (2024-10-13T14:58:21Z)
• G2Face: High-Fidelity Reversible Face Anonymization via Generative and Geometric Priors [71.69161292330504]
  可逆顔匿名化(Reversible face anonymization)は、顔画像の繊細なアイデンティティ情報を、合成された代替品に置き換えようとしている。 本稿では,Gtextsuperscript2Faceを提案する。 提案手法は,高データの有効性を保ちながら,顔の匿名化と回復において既存の最先端技術よりも優れる。
  論文  参考訳（メタデータ） (2024-08-18T12:36:47Z)
• Second Edition FRCSyn Challenge at CVPR 2024: Face Recognition Challenge in the Era of Synthetic Data [104.45155847778584]
  本稿では,合成データ時代における第2回顔認識チャレンジの概要について述べる。 FRCSynは、現在の技術的制限に対処するために、顔認識における合成データの使用について調査することを目的としている。
  論文  参考訳（メタデータ） (2024-04-16T08:15:10Z)
• If It's Not Enough, Make It So: Reducing Authentic Data Demand in Face Recognition through Synthetic Faces [16.977459035497162]
  大規模な顔データセットは、主にWebベースのイメージから作成され、明示的なユーザの同意が欠如している。 本稿では,合成顔データを用いて効果的な顔認識モデルの訓練を行う方法について検討する。
  論文  参考訳（メタデータ） (2024-04-04T15:45:25Z)
• Time flies by: Analyzing the Impact of Face Ageing on the Recognition Performance with Synthetic Data [18.47822752527376]
  本研究は,オープンソースのバイオメトリック認識システムの性能に及ぼす加齢の影響について考察する。 本研究の主目的は,1～5年間の短期年齢が一般認知能力にわずかに影響を及ぼすことである。
  論文  参考訳（メタデータ） (2022-08-17T10:28:27Z)
• SynFace: Face Recognition with Synthetic Data [83.15838126703719]
  我々は、ID混在(IM)とドメイン混在(DM)を併用したSynFaceを考案し、パフォーマンスギャップを緩和する。 また、合成顔画像の系統的実験分析を行い、合成データを顔認識に効果的に活用する方法についての知見を提供する。
  論文  参考訳（メタデータ） (2021-08-18T03:41:54Z)
• 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)
• Learning to Aggregate and Personalize 3D Face from In-the-Wild Photo Collection [65.92058628082322]
  非パラメトリックフェースモデリングは形状仮定なしで画像からのみ3次元フェースを再構成することを目的としている。 本稿では,教師なしのロバストな3次元顔モデリングのための学習・アグリゲート・パーソナライズ・フレームワークを提案する。
  論文  参考訳（メタデータ） (2021-06-15T03:10:17Z)
• Age-Oriented Face Synthesis with Conditional Discriminator Pool and Adversarial Triplet Loss [39.94126642748073]
  本稿では,強い恒常性を持つ高合成精度を実現するために,年齢指向の顔合成タスクを提案する。 本手法は,複数の識別器からなる新しいコンディションディスクリミネータプール(CDP)を用いて,モード崩壊問題に対処する。 高い恒常性を実現するために,本手法では,新しい逆三重項損失を用いる。
  論文  参考訳（メタデータ） (2020-07-01T22:18:21Z)

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。