論文の概要: SPOT-Face: Forensic Face Identification using Attention Guided Optimal Transport

• arxiv url: http://arxiv.org/abs/2601.09229v1
• Date: Wed, 14 Jan 2026 07:02:21 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-01-15 18:59:20.30107
• Title: SPOT-Face: Forensic Face Identification using Attention Guided Optimal Transport
• Title（参考訳）: SPOT-Face:注意誘導最適移動を用いた法医学的顔識別
• Authors: Ravi Shankar Prasad, Dinesh Singh,
• Abstract要約: SPOT-Faceは、クロスドメインの法医学的な顔識別のために設計された超ピクセルグラフベースのフレームワークである。 我々の枠組みは、法医学的な調査において、頭蓋骨とスケッチを顔に合わせるのに非常に効果的であることを示す。
• 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: Person identification in forensic investigations becomes very challenging when common identification means for DNA (i.e., hair strands, soft tissue) are not available. Current methods utilize deep learning methods for face recognition. However, these methods lack effective mechanisms to model cross-domain structural correspondence between two different forensic modalities. In this paper, we introduce a SPOT-Face, a superpixel graph-based framework designed for cross-domain forensic face identification of victims using their skeleton and sketch images. Our unified framework involves constructing a superpixel-based graph from an image and then using different graph neural networks(GNNs) backbones to extract the embeddings of these graphs, while cross-domain correspondence is established through attention-guided optimal transport mechanism. We have evaluated our proposed framework on two publicly available dataset: IIT\_Mandi\_S2F (S2F) and CUFS. Extensive experiments were conducted to evaluate our proposed framework. The experimental results show significant improvement in identification metrics ( i.e., Recall, mAP) over existing graph-based baselines. Furthermore, our framework demonstrates to be highly effective for matching skulls and sketches to faces in forensic investigations.
• Abstract（参考訳）: 法医学的調査における人物識別は、DNA(ヘアストランド、軟組織)の共通同定手段が利用できない場合、非常に困難になる。 顔認識における深層学習手法の活用 しかし、これらの手法は2つの異なる法医学的モダリティ間のドメイン間対応をモデル化する効果的なメカニズムを欠いている。 本稿では,その骨格とスケッチ画像を用いて,被害者のクロスドメイン法医学的顔識別を目的とした,超ピクセルグラフベースのフレームワークであるSPOT-Faceを紹介する。 我々の統合されたフレームワークは、画像からスーパーピクセルベースのグラフを構築し、次に異なるグラフニューラルネットワーク(GNN)バックボーンを使用してこれらのグラフの埋め込みを抽出する。 IIT\_Mandi\_S2F (S2F) とCUFSの2つの公開データセット上で提案したフレームワークを評価した。 提案した枠組みを評価するために大規模な実験を行った。 実験の結果,既存のグラフベースベースラインよりも識別基準(リコール,mAP)が大幅に改善された。 さらに, この枠組みは, 法医学的な調査において, 顔の頭蓋骨とスケッチのマッチングに極めて有効であることを示す。

関連論文リスト

• Cranio-ID: Graph-Based Craniofacial Identification via Automatic Landmark Annotation in 2D Multi-View X-rays [2.4382430407654767]
  伝統的な頭蓋骨測位法は時間を要するものであり、専門的な知識と専門知識を必要とする。 まず,光学画像を用いた2次元頭蓋骨のランドマークの自動アノテーションであるCranio-IDを提案する。 第二に、これらのランドマークをグラフ表現に定式化し、これらの2つのモダリティのグラフ間の意味的対応を見つけることによって、クロスモーダルマッチングを行う。
  論文  参考訳（メタデータ） (2025-11-18T12:15:22Z)
• Fast Graph Neural Network for Image Classification [0.0]
  本研究では,グラフ畳み込みネットワーク(GCN)とボロノイ図を統合して画像分類を強化する手法を提案する。 提案モデルは,各種ベンチマークデータセットの事前処理効率と分類精度の両方において,大幅な改善を実現する。
  論文  参考訳（メタデータ） (2025-08-20T17:57:59Z)
• 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)
• A Graph-Based Framework for Interpretable Whole Slide Image Analysis [86.37618055724441]
  我々は,全スライディング画像を生物学的にインフォームドされたグラフ表現に変換するフレームワークを開発した。 我々のアプローチは、任意の格子ではなく、自然構造を尊重する組織領域からグラフノードを構築する。 がんのステージングと生存予測の課題に強いパフォーマンスを示す。
  論文  参考訳（メタデータ） (2025-03-14T20:15:04Z)
• 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)
• COMICS: End-to-end Bi-grained Contrastive Learning for Multi-face Forgery Detection [56.7599217711363]
  顔偽造認識法は一度に1つの顔しか処理できない。 ほとんどの顔偽造認識法は一度に1つの顔しか処理できない。 マルチフェイスフォージェリ検出のためのエンドツーエンドフレームワークであるCOMICSを提案する。
  論文  参考訳（メタデータ） (2023-08-03T03:37:13Z)
• Adaptive Face Recognition Using Adversarial Information Network [57.29464116557734]
  顔認識モデルは、トレーニングデータがテストデータと異なる場合、しばしば退化する。 本稿では,新たな敵情報ネットワーク(AIN)を提案する。
  論文  参考訳（メタデータ） (2023-05-23T02:14:11Z)
• VisGraphNet: a complex network interpretation of convolutional neural features [6.50413414010073]
  ニューラルネットワークの特徴マップをモデル化するための可視性グラフの提案と検討を行う。 この研究は、元のデータよりもこれらのグラフによって提供される別の視点によって動機付けられている。
  論文  参考訳（メタデータ） (2021-08-27T20:21:04Z)
• Structured Landmark Detection via Topology-Adapting Deep Graph Learning [75.20602712947016]
  解剖学的顔と医学的ランドマーク検出のための新しいトポロジ適応深層グラフ学習手法を提案する。 提案手法は局所像特徴と大域形状特徴の両方を利用するグラフ信号を構成する。 3つの公開顔画像データセット(WFLW、300W、COFW-68)と3つの現実世界のX線医学データセット(ケパロメトリ、ハンド、ペルビス)で実験を行った。
  論文  参考訳（メタデータ） (2020-04-17T11:55:03Z)
• Joint Deep Learning of Facial Expression Synthesis and Recognition [97.19528464266824]
  顔表情の合成と認識を効果的に行うための新しい統合深層学習法を提案する。 提案手法は, 2段階の学習手順を伴い, まず, 表情の異なる顔画像を生成するために, 表情合成生成対向ネットワーク (FESGAN) を事前訓練する。 実画像と合成画像間のデータバイアスの問題を軽減するために,新しい実データ誘導バックプロパゲーション(RDBP)アルゴリズムを用いたクラス内損失を提案する。
  論文  参考訳（メタデータ） (2020-02-06T10:56:00Z)

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。