論文の概要: ID-Sim: An Identity-Focused Similarity Metric

• arxiv url: http://arxiv.org/abs/2604.05039v1
• Date: Mon, 06 Apr 2026 18:00:05 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-04-08 17:42:09.419672
• Title: ID-Sim: An Identity-Focused Similarity Metric
• Title（参考訳）: ID-Sim: アイデンティティ指向の類似性メトリクス
• Authors: Julia Chae, Nicholas Kolkin, Jui-Hsien Wang, Richard Zhang, Sara Beery, Cusuh Ham,
• Abstract要約: ID-Simは、人間の選択感度を忠実に反映するように設計されたフィードフォワード計量である。 我々は、様々な現実世界のドメインにまたがる高品質なトレーニングセットを、生成合成データで強化してキュレートする。 我々は、アイデンティティに着目した認識、検索、生成タスク間での人間のアノテーションとの整合性を評価するために、新しい統一評価ベンチマークでメトリクスを評価した。
• 参考スコア（独自算出の注目度）: 16.325910041351808
• License: http://creativecommons.org/licenses/by-nc-sa/4.0/
• Abstract: Humans have remarkable selective sensitivity to identities -- easily distinguishing between highly similar identities, even across significantly different contexts such as diverse viewpoints or lighting. Vision models have struggled to match this capability, and progress toward identity-focused tasks such as personalized image generation is slowed by a lack of identity-focused evaluation metrics. To help facilitate progress, we propose ID-Sim, a feed-forward metric designed to faithfully reflect human selective sensitivity. To build ID-Sim, we curate a high-quality training set of images spanning diverse real-world domains, augmented with generative synthetic data that provides controlled, fine-grained identity and contextual variations. We evaluate our metric on a new unified evaluation benchmark for assessing consistency with human annotations across identity-focused recognition, retrieval, and generative tasks.
• Abstract（参考訳）: 人間は、アイデンティティに対する顕著な選択的な感受性を持ち、非常に類似したアイデンティティを区別する。 ビジョンモデルは、この能力に合わせるのに苦労しており、パーソナライズされた画像生成のようなアイデンティティに焦点を当てたタスクへの進歩は、アイデンティティにフォーカスした評価指標の欠如によって遅くなっている。 進歩を促進するために,人間の選択感度を忠実に反映するフィードフォワード・メトリックであるID-Simを提案する。 ID-Simを構築するために、さまざまな現実世界のドメインにまたがる高品質なトレーニングセットをキュレートし、制御されたきめ細かいアイデンティティとコンテキスト変化を提供する生成合成データで強化する。 我々は,アイデンティティに着目した認識,検索,生成タスクにおける人間のアノテーションとの整合性を評価するため,新しい統一評価ベンチマークで評価を行った。

関連論文リスト

• AnyID: Ultra-Fidelity Universal Identity-Preserving Video Generation from Any Visual References [52.81991915377852]
  我々は,超忠実なアイデンティティ保存ビデオ生成フレームワークであるAnyIDを提案する。 まず,不均一な同一性入力を結合表現に効果的に統一する,スケーラブルなオムニ参照アーキテクチャを提案する。 第2に、1つの参照を標準アンカーとして指定し、新しい微分プロンプトを用いて正確な属性レベルの制御を可能にする一次参照生成パラダイムを提案する。
  論文  参考訳（メタデータ） (2026-03-26T08:54:48Z)
• IdentityStory: Taming Your Identity-Preserving Generator for Human-Centric Story Generation [75.09818147405898]
  IdentityStoryは人間中心のストーリー生成のためのフレームワークで、シーケンシャルな画像間で一貫した文字識別を保証する。 アイデンティティ保存ジェネレータを使用することで、フレームワークはIterative Identity DiscoveryとRe-denoising Identity Injectionという2つの重要なコンポーネントを備えている。
  論文  参考訳（メタデータ） (2025-12-29T14:54:44Z)
• WithAnyone: Towards Controllable and ID Consistent Image Generation [83.55786496542062]
  アイデンティティ・一貫性・ジェネレーションは、テキスト・ツー・イメージ研究において重要な焦点となっている。 マルチパーソンシナリオに適した大規模ペアデータセットを開発する。 本稿では,データと多様性のバランスをとるためにペアデータを活用する,対照的なアイデンティティ損失を持つ新たなトレーニングパラダイムを提案する。
  論文  参考訳（メタデータ） (2025-10-16T17:59:54Z)
• ID-EA: Identity-driven Text Enhancement and Adaptation with Textual Inversion for Personalized Text-to-Image Generation [33.84646269805187]
  ID-EAは、テキストの埋め込みを視覚的アイデンティティの埋め込みに合わせてガイドする新しいフレームワークである。 ID-EAはアイデンティティ保存の指標において最先端の手法を大幅に上回っている。 パーソナライズされた肖像画は、既存のアプローチの15倍の速さで生成される。
  論文  参考訳（メタデータ） (2025-07-16T07:42:02Z)
• From Poses to Identity: Training-Free Person Re-Identification via Feature Centralization [9.614305363044737]
  人物再識別(ReID)は、正確な識別表現の特徴を抽出することを目的としている。 個人ノイズを低減するための訓練自由特徴集中型ReIDフレームワーク(Pose2ID)を提案する。 提案手法は, 標準, クロスモダリティ, 隠蔽されたReIDタスクにまたがって, 最先端の新たな結果を設定する。
  論文  参考訳（メタデータ） (2025-03-02T15:31:48Z)
• Disentangled Representations for Short-Term and Long-Term Person Re-Identification [33.76874948187976]
  アイデンティティシャッフルGAN(Identity shuffle GAN:IS-GAN)と呼ばれる新たな生成対向ネットワークを提案する。 それは、アイデンティティシャッフル技術によって、個人画像からアイデンティティ関連および非関連の特徴を解き放つ。 実験により,IS-GANの有効性が検証され,標準reIDベンチマークにおける最先端性能が示された。
  論文  参考訳（メタデータ） (2024-09-09T02:09:49Z)
• ID-Aligner: Enhancing Identity-Preserving Text-to-Image Generation with Reward Feedback Learning [57.91881829308395]
  AIポートレートや広告といった幅広いアプリケーションシナリオのために、ID-T2I(ID-preserving text-to-image generation)が注目されている。 我々は,ID-T2I性能を向上させるための一般的なフィードバック学習フレームワークである textbfID-Aligner を提案する。
  論文  参考訳（メタデータ） (2024-04-23T18:41:56Z)
• X-ReID: Cross-Instance Transformer for Identity-Level Person Re-Identification [53.047542904329866]
  Cross-Identity Instancesモジュール(IntraX)は、ID-Levelの知識を転送するために、異なるIdentityインスタンスをフューズする。 Cross Inter-Identity Instancesモジュール(InterX)は、同じアイデンティティに対する注意応答を改善するために、ハードポジティとハードポジティのインスタンスを含む。
  論文  参考訳（メタデータ） (2023-02-04T03:16:18Z)
• Protecting Celebrities with Identity Consistency Transformer [119.67996461810304]
  アイデンティティ一貫性変換器は、高度なセマンティクス、特にアイデンティティ情報に焦点を当て、内面領域と外面領域におけるアイデンティティの不整合を見つけ、容疑者の顔を検出する。 我々は、アイデンティティ一貫性変換器が、異なるデータセットにまたがるだけでなく、ディープフェイクビデオを含む現実世界のアプリケーションで見られる様々な種類の画像劣化フォームにまたがる優れた一般化能力を示すことを示した。
  論文  参考訳（メタデータ） (2022-03-02T18:59:58Z)
• Semantic Consistency and Identity Mapping Multi-Component Generative Adversarial Network for Person Re-Identification [39.605062525247135]
  本稿では,1つのドメインから複数のドメインへのスタイル適応を提供する,意味一貫性とアイデンティティマッピングの多成分生成対向ネットワーク(SC-IMGAN)を提案する。 提案手法は,6つの挑戦的人物リidデータセットにおける最先端技術よりも優れている。
  論文  参考訳（メタデータ） (2021-04-28T14:12:29Z)

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。