論文の概要: Learning from a single labeled face and a stream of unlabeled data

• arxiv url: http://arxiv.org/abs/2604.27564v1
• Date: Thu, 30 Apr 2026 08:15:17 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-05-01 16:31:53.989321
• Title: Learning from a single labeled face and a stream of unlabeled data
• Title（参考訳）: 単一のラベル付き顔とラベルなしデータのストリームから学ぶ
• Authors: Branislav Kveton, Michal Valko,
• Abstract要約: 本研究では,1つのラベル付き画像とラベルなしデータのストリームから顔の非パラメトリックモデルを学習するアルゴリズムを提案し,解析する。 本手法は43人のデータセットを用いて評価し, ほぼゼロの偽陽性で90%の時間で認識できることを示す。
• 参考スコア（独自算出の注目度）: 37.01313531648442
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Face recognition from a single image per person is a challenging problem because the training sample is extremely small. We consider a variation of this problem. In our problem, we recognize only one person, and there are no labeled data for any other person. This setting naturally arises in authentication on personal computers and mobile devices, and poses additional challenges because it lacks negative examples. We formalize our problem as one-class classification, and propose and analyze an algorithm that learns a non-parametric model of the face from a single labeled image and a stream of unlabeled data. In many domains, for instance when a person interacts with a computer with a camera, unlabeled data are abundant and easy to utilize. This is the first paper that investigates how these data can help in learning better models in the single-image-per-person setting. Our method is evaluated on a dataset of 43 people and we show that these people can be recognized 90% of time at nearly zero false positives. This recall is 25+% higher than the recall of our best performing baseline. Finally, we conduct a comprehensive sensitivity analysis of our algorithm and provide a guideline for setting its parameters in practice.
• Abstract（参考訳）: 1人1枚の画像から顔を認識することは、トレーニングサンプルが極端に小さいため、難しい問題である。 私たちはこの問題のバリエーションを考えます。 この問題では、一人の人物しか認識せず、他の人物にはラベル付きデータがない。 この設定は、パソコンやモバイルデバイスの認証において自然に発生し、ネガティブな例がないため、さらなる課題が生じる。 我々は,この問題を一級分類として定式化し,単一のラベル付き画像とラベルなしデータのストリームから顔の非パラメトリックモデルを学習するアルゴリズムを提案し,解析する。 例えば、人がカメラでコンピューターと対話するとき、ラベルのないデータは豊富で使いやすくなります。 これは、これらのデータが1対1のイメージでより良いモデルを学ぶのにどのように役立つかを調査する最初の論文である。 本手法は43人のデータセットを用いて評価し, ほぼゼロの偽陽性で90%の時間で認識できることを示す。 このリコールは、私たちの最高のパフォーマンスベースラインのリコールよりも25パーセント高い。 最後に,本アルゴリズムの総合感度解析を行い,そのパラメータを実際に設定するためのガイドラインを提供する。

関連論文リスト

• Efficient Verification-Based Face Identification [50.616875565173274]
  効率の良いニューラルモデルで顔認証を行う際の問題点を$f$で検討する。 我々のモデルは、23kパラメータと5M浮動小数点演算(FLOPS)しか必要としない、かなり小さな$f$に導かれる。 我々は、6つの顔認証データセットを用いて、我々の手法が最先端のモデルよりも同等か優れていることを示す。
  論文  参考訳（メタデータ） (2023-12-20T18:08:02Z)
• Disguise without Disruption: Utility-Preserving Face De-Identification [40.484745636190034]
  本研究では,修正データの利用性を確保しつつ,顔画像をシームレスに識別する新しいアルゴリズムであるDisguiseを紹介する。 本手法は, 難読化と非可逆性を最大化するために, 変分機構を用いて生成した合成物を用いて, 描写されたアイデンティティを抽出し置換することを含む。 提案手法を複数のデータセットを用いて広範に評価し,様々な下流タスクにおける従来の手法と比較して,高い非識別率と一貫性を示す。
  論文  参考訳（メタデータ） (2023-03-23T13:50:46Z)
• Self-similarity Driven Scale-invariant Learning for Weakly Supervised Person Search [66.95134080902717]
  自己相似性駆動型スケール不変学習(SSL)という新しいワンステップフレームワークを提案する。 本稿では,ネットワークを前景と学習スケール不変の機能に集中させるための,マルチスケール・エクステンプラー・ブランチを提案する。 PRWおよびCUHK-SYSUデータベースの実験により,本手法の有効性が示された。
  論文  参考訳（メタデータ） (2023-02-25T04:48:11Z)
• WildGait: Learning Gait Representations from Raw Surveillance Streams [1.90365714903665]
  歩行認識の既存の方法は、単一の人がカメラの前で直線で複数回歩いている協調歩行シナリオを必要とします。 本稿では,多数の自動注釈付きスケルトン配列上で時空間グラフ畳み込みネットワークを訓練する,新しい弱教師付き学習フレームワークwildgaitを提案する。 以上の結果から,現状のポーズに基づく歩容認識ソリューションは,微調整により認識精度を上回った。
  論文  参考訳（メタデータ） (2021-05-12T09:11:32Z)
• Towards Good Practices for Efficiently Annotating Large-Scale Image Classification Datasets [90.61266099147053]
  多数の画像の分類ラベルを収集するための効率的なアノテーション戦略を検討する。 人間のラベリング作業を最小化するための修正とベストプラクティスを提案します。 ImageNet100の125kイメージサブセットのシミュレーション実験では、平均で0.35のアノテーションで80%のトップ-1の精度でアノテートできることが示されている。
  論文  参考訳（メタデータ） (2021-04-26T16:29:32Z)
• Machine learning with limited data [1.2183405753834562]
  我々は少数のショット画像分類を研究するが、我々はごく少数のラベル付きデータしか持っていない。 一つの方法は、これらの画像のスタイルを混ぜて画像の特徴を強化することです。 第2の方法は、画像のパッチ間の関係を探索するために空間的注意を適用することである。
  論文  参考訳（メタデータ） (2021-01-18T17:10:39Z)
• Hidden Footprints: Learning Contextual Walkability from 3D Human Trails [70.01257397390361]
  現在のデータセットは、人々がどこにいるか、どこにいるかを教えてくれません。 まず、画像間で人の観察を伝播させ、3D情報を利用して、私たちが「隠れ足跡」と呼ぶものを作成することで、有効なラベル付き歩行可能領域の集合を拡大する。 このようなスパースラベルのために設計されたトレーニング戦略を考案し、クラスバランスの分類損失と文脈逆転損失を組み合わせた。
  論文  参考訳（メタデータ） (2020-08-19T23:19:08Z)
• Contrastive Examples for Addressing the Tyranny of the Majority [83.93825214500131]
  我々は,グループメンバーシップを介在する,オリジナルのデータセットと新たなデータポイントからなるバランスの取れたトレーニングデータセットを作成することを提案する。 コントラッシブ・サンプル(英語版)と呼ばれるこれらのデータポイントを学習するための強力なツールとして、現在の生成的敵ネットワークが重要であることを示す。
  論文  参考訳（メタデータ） (2020-04-14T14:06:44Z)

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。