論文の概要: True to Tone? Quantifying Skin Tone Fidelity and Bias in Photographic-to-Virtual Human Pipelines

• arxiv url: http://arxiv.org/abs/2604.02055v1
• Date: Thu, 02 Apr 2026 13:54:06 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-04-03 14:21:10.833647
• Title: True to Tone? Quantifying Skin Tone Fidelity and Bias in Photographic-to-Virtual Human Pipelines
• Title（参考訳）: 本物のトーン? 写真からバーチャル・人間のパイプラインにおける皮膚のトーンの忠実度とバイアスの定量化
• Authors: Gabriel Ferri Schneider, Erick Menezes, Rafael Mecenas, Paulo Knob, Victor Araujo, Soraia Raupp Musse,
• Abstract要約: 最もアクセス可能なアバター生成パイプラインは、カラーキャリブレーションを欠いた写真入力に依存している。 本稿では,VH生成パイプラインのスキントーン忠実度を評価するための,完全自動かつスケーラブルな手法を提案する。 以上の結果から,抽出戦略の表現型依存的行動と,より暗い肌色に対する着色誤差の持続的増加が示唆された。
• 参考スコア（独自算出の注目度）: 0.18472148461613158
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Accurate reproduction of facial skin tone is essential for realism, identity preservation, and fairness in Virtual Human (VH) rendering. However, most accessible avatar creation pipelines rely on photographic inputs that lack colorimetric calibration, which can introduce inconsistencies and bias. We propose a fully automatic and scalable methodology to systematically evaluate skin tone fidelity across the VH generation pipeline. Our approach defines a full workflow that integrates skin color and illumination extraction, texture recolorization, real-time rendering, and quantitative color analysis. Using facial images from the Chicago Face Database (CFD), we compare skin tone extraction strategies based on cheek-region sampling, following the literature, and multidimensional masking derived from full-face analysis. Additionally, we test both strategies with lighting isolation, using the pre-trained TRUST framework, employed without any training or optimization within our pipeline. Extracted skin tones are applied to MetaHuman textures and rendered under multiple lighting configurations. Skin tone consistency is evaluated objectively in the CIELAB color space using the $ΔE$ metric and the Individual Typology Angle (ITA). The proposed methodology operates without manual intervention and, with the exception of pre-trained illumination compensation modules, the pipeline does not include learning or training stages, enabling low computational cost and large-scale evaluation. Using this framework, we generate and analyze approximately 19,848 rendered instances. Our results show phenotype-dependent behavior of extraction strategies and consistently higher colorimetric errors for darker skin tones.
• Abstract（参考訳）: 仮想人間(VH)レンダリングにおける顔の皮膚の正確な再現は、現実主義、アイデンティティ保存、公平性に不可欠である。 しかし、最もアクセスしやすいアバター生成パイプラインは、不整合と偏見をもたらすカラーキャリブレーションが欠如している写真入力に依存している。 本稿では,VH生成パイプラインのスキントーン忠実度を体系的に評価する,完全自動かつスケーラブルな手法を提案する。 提案手法は, 肌の色と照明抽出, テクスチャ再色化, リアルタイムレンダリング, 定量色解析を統合したフルワークフローを定義する。 シカゴ・フェイス・データベース (CFD) の顔画像を用いて, 頬領域サンプリングに基づく皮膚のトーン抽出と, フルフェイス解析による多次元マスキングを比較した。 さらに、トレーニング済みのTRUSTフレームワークを使用して、両方の戦略を点灯分離でテストし、パイプライン内でのトレーニングや最適化を一切必要とせずに使用します。 抽出した皮膚のトーンをメタヒューマンテクスチャに適用し、複数の照明条件下でレンダリングする。 CIELAB色空間では、$ΔE$とITA(Personal Typology Angle)を用いて、肌調の一貫性を客観的に評価する。 提案手法は手動の介入なしに動作し、事前訓練された照明補償モジュールを除いて、学習段階や訓練段階を含まないため、計算コストが低く、大規模な評価が可能となる。 このフレームワークを用いて、約19,848のレンダリングインスタンスを生成し、分析する。 以上の結果から,抽出戦略の表現型依存的行動と,より暗い肌色に対する着色誤差の持続的増加が示唆された。

関連論文リスト

• Colors Matter: AI-Driven Exploration of Human Feature Colors [0.0]
  本研究では,特徴抽出と重要な人的属性の分類に,高度なイメージング技術と機械学習を用いる。 デルタE-HSV法とガウスアンブラーを用いた音調分類において,最大80%の精度を達成している。 この研究は、AIによる色分析と、包括的で正確でニュアンスのある分類を提供するための特徴抽出の可能性を強調している。
  論文  参考訳（メタデータ） (2025-05-20T21:35:44Z)
• Skin Color Measurement from Dermatoscopic Images: An Evaluation on a Synthetic Dataset [0.0]
  画像色測定手法の4つのクラス(セグメンテーションベース、パッチベース、カラー量子化、ニューラルネットワーク)を評価する。 この結果から, 偏光法および色量化法により, 頑健で光の不変な推定値が得られることがわかった。 ニューラルネットワークモデル、特に過適合を減らすために重いぼやけと組み合わせた場合、光不変のフィッツパトリック予測を提供することができる。
  論文  参考訳（メタデータ） (2025-04-06T13:57:34Z)
• Materialist: Physically Based Editing Using Single-Image Inverse Rendering [47.85234717907478]
  マテリアルスト(Materist)は、学習に基づくアプローチと物理的にベースとしたプログレッシブ・差別化可能なレンダリングを組み合わせる方法である。 我々のアプローチは、マテリアル編集、オブジェクト挿入、リライトなど、幅広いアプリケーションを可能にする。 実験は、合成および実世界のデータセット間で強力なパフォーマンスを示す。
  論文  参考訳（メタデータ） (2025-01-07T11:52:01Z)
• Relightify: Relightable 3D Faces from a Single Image via Diffusion Models [86.3927548091627]
  単一画像からの3次元顔BRDF再構成を高精度に行うために,拡散モデルを用いた最初のアプローチを提案する。 既存の手法とは対照的に,観測されたテクスチャを直接入力画像から取得することで,より忠実で一貫した推定が可能となる。
  論文  参考訳（メタデータ） (2023-05-10T11:57:49Z)
• Meta Balanced Network for Fair Face Recognition [51.813457201437195]
  我々は、データとアルゴリズムの両方の側面からバイアスを体系的に科学的に研究する。 本稿では,メタバランスネットワーク(MBN)と呼ばれるメタ学習アルゴリズムを提案する。 大規模な実験により、MBNは偏見を緩和し、顔認識において異なる肌のトーンを持つ人々に対してよりバランスの取れたパフォーマンスを学ぶことができた。
  論文  参考訳（メタデータ） (2022-05-13T10:25:44Z)
• Color Invariant Skin Segmentation [17.501659517108884]
  本稿では,カラー情報に頼らずに画像中の皮膚を自動的に検出する問題に対処する。 この研究の主な動機は、皮膚のトーン全体にわたって一貫性のある結果を達成することである。 我々はそのような情報がない場合によく機能する新しいアプローチを提案する。
  論文  参考訳（メタデータ） (2022-04-21T05:07:21Z)
• DIB-R++: Learning to Predict Lighting and Material with a Hybrid Differentiable Renderer [78.91753256634453]
  そこで本研究では,単体画像から固有物体特性を推定する難題について,微分可能量を用いて検討する。 そこで本研究では、スペクトル化とレイトレーシングを組み合わせることで、これらの効果をサポートするハイブリッド微分可能なDIBR++を提案する。 より高度な物理ベースの微分可能値と比較すると、DIBR++はコンパクトで表現力のあるモデルであるため、高い性能を持つ。
  論文  参考訳（メタデータ） (2021-10-30T01:59:39Z)
• Degrade is Upgrade: Learning Degradation for Low-light Image Enhancement [52.49231695707198]
  2段階の工程で細部と色を精錬しながら、内在的な劣化と低照度画像を照らし出す。 カラー画像の定式化に触発されて,まず低照度入力からの劣化を推定し,環境照明色の歪みをシミュレーションし,そのコンテンツを精錬して拡散照明色の損失を回復した。 LOL1000データセットではPSNRで0.95dB、ExDarkデータセットでは3.18%のmAPでSOTAを上回った。
  論文  参考訳（メタデータ） (2021-03-19T04:00:27Z)

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。