Fugu-MT 論文翻訳(概要): A Picture Says Thousands of Words - Harnessing Dermal Exposure Data from Images through Hybrid Deep Learning for Enhanced Safety Assessment

論文の概要: A Picture Says Thousands of Words - Harnessing Dermal Exposure Data from Images through Hybrid Deep Learning for Enhanced Safety Assessment

arxiv url: http://arxiv.org/abs/2607.26170v1
Date: Tue, 28 Jul 2026 18:20:20 GMT
ステータス: 翻訳完了
システム内更新日: 2026-07-30 21:06:25.449796
Title: A Picture Says Thousands of Words - Harnessing Dermal Exposure Data from Images through Hybrid Deep Learning for Enhanced Safety Assessment
Title（参考訳）: 何千もの単語 - ハイブリッドディープラーニングによる画像からの皮膚曝露データを悪用して安全性を向上する
Abstract要約: 本研究では,皮膚曝露評価のための画像から皮膚を定量化するためのハイブリッドコンピュータビジョン法を開発した。 Mask R-CNNは170枚の屋内ペイント画像を使って、まず被験者を特定し、背景の干渉を取り除いた。その結果,被曝皮膚と体との画素比は約80%の一致を示した。
参考スコア（独自算出の注目度）: 4.888236400306771
License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
Abstract: This study developed a hybrid computer vision method to quantify exposed skin from images for dermal exposure assessment. Using 170 indoor-painting images, Mask R-CNN first identified human subjects and removed background interference; a color-based algorithm then segmented exposed skin. The resulting exposed-skin-to-body pixel ratios showed approximately 80% agreement with human estimates. The approach demonstrates a scalable way to extract semi-quantitative exposure information from images, with future extensions to body-part recognition, PPE detection, and video-based exposure analysis.
Abstract（参考訳）: 本研究では,皮膚曝露評価のための画像から皮膚を定量化するためのハイブリッドコンピュータビジョン法を開発した。 Mask R-CNNは170枚の屋内ペイント画像を使って、まず被験者を特定し、背景干渉を除去しました。その結果,被曝皮膚と体との画素比は約80%の一致を示した。このアプローチは、半定量的露光情報を画像から抽出するスケーラブルな方法を示し、身体部分認識、PPE検出、ビデオベースの露光分析への将来の拡張である。

関連論文リスト

A Generative AI Approach for Reducing Skin Tone Bias in Skin Cancer Classification [2.676349883103404]
皮膚がんは世界中で最も一般的ながんの1つであり、早期発見は効果的な治療に重要である。現在のAI診断ツールは、より軽い肌のトーンに支配されるデータセットでトレーニングされることが多いため、より暗い肌の人々の正確性と公平性が低下する。本稿では,皮膚内視鏡画像を用いた皮膚癌自動検出における皮膚緊張不均衡の課題について述べる。
論文参考訳（メタデータ） (2026-02-16T00:20:56Z)
DiffusionFace: Towards a Comprehensive Dataset for Diffusion-Based Face Forgery Analysis [71.40724659748787]
DiffusionFaceは、最初の拡散ベースのフェイスフォージェリーデータセットである。非条件およびテキストガイドの顔画像生成、Img2Img、Inpaint、Diffusionベースの顔交換アルゴリズムなど、さまざまなフォージェリーカテゴリをカバーする。重要なメタデータと、評価のための実世界のインターネットソースの偽顔画像データセットを提供する。
論文参考訳（メタデータ） (2024-03-27T11:32:44Z)
Diffusion Facial Forgery Detection [56.69763252655695]
本稿では,顔に焦点をあてた拡散生成画像を対象とした包括的データセットであるDiFFを紹介する。人体実験といくつかの代表的な偽造検出手法を用いて,DiFFデータセットの広範な実験を行った。その結果、人間の観察者と自動検出者の2値検出精度は30%以下であることが判明した。
論文参考訳（メタデータ） (2024-01-29T03:20:19Z)
A Web-based Mpox Skin Lesion Detection System Using State-of-the-art Deep Learning Models Considering Racial Diversity [1.846958522363092]
以前は「モンキーポックス」と呼ばれていた「ムポックス」は、公衆衛生上重要な問題となり、世界中で110か国以上に広まっている。ポリメラーゼ連鎖反応(PCR)に基づく診断がすぐには利用できない場合に、コンピュータ支援スクリーニングツールが有用であることが証明されている。深層学習法は複雑なデータ表現を学習する上で強力であるが、その有効性は主に適切なトレーニングデータに依存している。
論文参考訳（メタデータ） (2023-06-25T08:23:44Z)
Privacy-Preserving Remote Heart Rate Estimation from Facial Videos [19.442685015494316]
ディープラーニング技術は摂動攻撃に弱いため、重大なデータ漏洩が発生する可能性がある。顔の特定領域を識別情報が少ない状態で抽出し,次にピクセルシャッフルとぼかしを行うデータ手法を提案する。本稿では,顔認識アルゴリズムの精度を60%以上削減し,r抽出への影響を最小限に抑える。
論文参考訳（メタデータ） (2023-06-01T20:48:04Z)
Towards Transparency in Dermatology Image Datasets with Skin Tone Annotations by Experts, Crowds, and an Algorithm [3.6888633946892044]
皮膚疾患のパブリックおよびプライベート画像データセットには、皮膚の色に関する情報がほとんど含まれない。透明性を高めるための出発点として、AI研究者は、患者の光感受性の尺度から皮膚のトーンを推定する尺度まで、Fitzpatrick skin type (FST)の使用を適当に検討した。 ITA-FSTに基づくアルゴリズムは,大規模な画像データセットのアノテートには信頼性が低いことを示す。
論文参考訳（メタデータ） (2022-07-06T19:50:39Z)
Automatic Facial Skin Feature Detection for Everyone [60.31670960526022]
本研究では,野生の自撮り自撮りのために,さまざまな肌のトーンと年齢群にまたがって機能する顔顔の特徴自動検出法を提案する。具体的には,肌の色,重度度,照明条件の異なる自撮り画像に対して,アクネ,顔料,ニキビの位置を注釈する。
論文参考訳（メタデータ） (2022-03-30T04:52:54Z)
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)
Saliency-based segmentation of dermoscopic images using color information [3.8073142980733]
本稿では,色覚情報を用いて色素性病変領域を自動判定する方法について検討する。本稿では,人間の視覚的知覚に触発された新しい知覚基準と組み合わせたバイナライゼーションプロセスを用いた新しい手法を提案する。 1497画像を含む2つの公開データベース上で評価を行った。
論文参考訳（メタデータ） (2020-11-26T08:47:10Z)
Face Anti-Spoofing by Learning Polarization Cues in a Real-World Scenario [50.36920272392624]
顔の偽造は生体認証アプリケーションにおけるセキュリティ侵害を防ぐ鍵となる。 RGBと赤外線画像を用いたディープラーニング手法は,新たな攻撃に対する大量のトレーニングデータを必要とする。本研究では,実顔の偏光画像の物理的特徴を自動的に学習することにより,現実のシナリオにおける顔のアンチ・スプーフィング手法を提案する。
論文参考訳（メタデータ） (2020-03-18T03:04:03Z)
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。