論文の概要: AlignFace: Human-Aligned Face Similarity Metric with Interpretable Concept Relations

• arxiv url: http://arxiv.org/abs/2608.14130v1
• Date: Fri, 14 Aug 2026 09:36:28 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-08-17 20:14:29.339681
• Title: AlignFace: Human-Aligned Face Similarity Metric with Interpretable Concept Relations
• Title（参考訳）: AlignFace: 解釈可能な概念関係を持つ人間指向の顔類似度メトリクス
• Abstract要約: 我々は、FACETSデータセットを導入し、解釈可能なヒューマンアライメントの顔類似度指標であるAlignFaceを提案する。 実験の結果、AlignFaceは基準値と比較して人間のサブポピュレーション知覚との整合性を大幅に改善することがわかった。
• 参考スコア（独自算出の注目度）: 13.228617286387887
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Computer vision models for generated facial content, such as face editing and privacy protection, increasingly affect people, requiring similarity metrics that serve as faithful proxies for human perception. While perceptual evaluation has progressed from signal-based heuristics to representation-based metrics, current approaches are limited to behavioral modeling without cognitive alignment. They rely on implicit and spurious relations while assuming a universal observer, failing to account for inherent variations across diverse human populations. This leads to inaccurate evaluative models of stakeholders and misleading guidance for generative model debugging. Rather than treating perception as a black box, we leverage scientific findings from cognitive psychology of human face similarity perception: dependence on facial featural and configural attributes, nonlinear psychophysical response scaling, and own-group biases. We introduce the FACETS dataset and propose AlignFace, an interpretable, human-aligned, face similarity metric that encodes these cognitive principles through ante-hoc modeling. It employs visual-language modeling (VLM) to encode paired face images and text-based attributes, gated cross-attention (CA) to extract attribute-specific facial difference representations, concept bottleneck modeling (CBM) to constrain reasoning via interpretable face attributes, and neural generalized additive model (GAM) to model their nonlinear influence. Experiments found AlignFace significantly improves alignment with human subpopulation perceptions compared to baseline metrics, including recent domain-free learned perceptual metrics. By bridging learned representations and human cognitive processes, this work enables more transparent and aligned perceptual evaluation metrics for face images.
• Abstract（参考訳）: 顔の編集やプライバシー保護など、生成された顔コンテンツのためのコンピュータビジョンモデルは、人間の知覚に忠実なプロキシとして機能する類似度指標を必要とする人々に影響を与える。 知覚評価は信号に基づくヒューリスティックから表現に基づくメトリクスへと進歩してきたが、現在のアプローチは認知的アライメントのない行動モデリングに限られている。 彼らは、普遍的なオブザーバーを仮定しながら、暗黙的かつ刺激的な関係に依存しており、多様な人間の集団に固有のバリエーションを説明できない。 これにより、ステークホルダーの評価モデルが不正確になり、生成モデルデバッグのための誤ったガイダンスが導かれる。 認識をブラックボックスとして扱うのではなく、人間の顔の類似性知覚の認知心理学からの科学的知見を利用する。 我々は、FACETSデータセットを導入し、アンテホックモデリングによってこれらの認知原則をエンコードする、解釈可能な、人間に準拠した顔類似度指標であるAlignFaceを提案する。 視覚言語モデリング(VLM)を用いて、ペア化された顔画像とテキストベースの属性を符号化し、属性固有の顔差分表現を抽出するゲート・クロスアテンション(CA)、解釈可能な顔属性による推論を制約する概念ボトルネックモデリング(CBM)、非線形の影響をモデル化するニューラルネットワーク一般化加算モデル(GAM)を用いる。 実験の結果、AlignFaceは、最近のドメインレス学習パーセプチュアルメトリクスを含むベースラインメトリクスと比較して、人間のサブポピュレーション知覚との整合性を大幅に改善することがわかった。 学習した表現と人間の認知過程をブリッジすることで、顔画像に対するより透明で整合した知覚的評価指標を可能にする。

関連論文リスト

• Human face perception reflects inverse-generative and naturalistic discriminative objectives [2.4126189670630733]
  ディープニューラルネットワークは人間の顔知覚に機械的仮説を提供する。 我々は、アーキテクチャを共有する6つのニューラルネットワークモデルを比較したが、異なるタスクで訓練した。 864人の被験者の顔相違判定に対するモデル予測を検証した。
  論文  参考訳（メタデータ） (2026-05-12T18:06:57Z)
• Learning to Look before Learning to Like: Incorporating Human Visual Cognition into Aesthetic Quality Assessment [10.379213455076439]
  AestheticNetは、人間のような視覚認知と意味認識を双方向アーキテクチャに統合する新しいAQAパラダイムである。 視線対応ビジュアルエンコーダ(GAVE)として実装された視覚的注意経路は、リソース効率の良いコントラスト視線アライメントを用いて、視線追跡データをオフラインでトレーニングした。 視覚的注意は、前景/背景構造、カラーカスケード、明るさ、照明を反映する認知的事前情報を提供する。
  論文  参考訳（メタデータ） (2026-04-17T09:04:01Z)
• Reconstructing Close Human Interaction with Appearance and Proxemics Reasoning [50.76723760768117]
  既存の人間のポーズ推定手法では、既存の映像からもっともらしい密接な相互作用を回復できない。 人間の外見は、これらの障害に対処するための簡単な手がかりとなる。 本研究では,人間の外見,社会的プロキシ,物理法則に制約された身体接触により,正確な対話動作を再構築するための2分岐最適化フレームワークを提案する。
  論文  参考訳（メタデータ） (2025-07-03T12:19:26Z)
• Human Cognitive Benchmarks Reveal Foundational Visual Gaps in MLLMs [65.93003087656754]
  VisFactorは、よく確立された認知心理学評価から20の視覚中心のサブテストをデジタル化するベンチマークである。 GPT、Gemini、Claude、LLaMA、Qwen、SEEDファミリーから20のフロンティアマルチモーダル言語モデル(MLLM)を評価する。 最高のパフォーマンスモデルは100点中25.19点のスコアしか得られず、精神的な回転、空間的関係推論、図形の識別といったタスクに一貫して失敗する。
  論文  参考訳（メタデータ） (2025-02-23T04:21:32Z)
• When Does Perceptual Alignment Benefit Vision Representations? [76.32336818860965]
  視覚モデル表現と人間の知覚的判断との整合がユーザビリティに与える影響について検討する。 モデルと知覚的判断を一致させることで、多くの下流タスクで元のバックボーンを改善する表現が得られることがわかった。 その結果,人間の知覚的知識に関する帰納バイアスを視覚モデルに注入することは,より良い表現に寄与することが示唆された。
  論文  参考訳（メタデータ） (2024-10-14T17:59:58Z)
• How Do You Perceive My Face? Recognizing Facial Expressions in Multi-Modal Context by Modeling Mental Representations [5.895694050664867]
  本稿では,単純な分類タスクを超越した新しい表情分類手法を提案する。 本モデルでは,認識された顔を正確に分類し,文脈で顔を観察する際,人間によって知覚される対応する心的表現を合成する。 本研究では,人間の心的表現の近似を効果的に生成することを示す。
  論文  参考訳（メタデータ） (2024-09-04T09:32:40Z)
• Closely Interactive Human Reconstruction with Proxemics and Physics-Guided Adaption [64.07607726562841]
  既存の人間再建アプローチは主に、正確なポーズの回復や侵入を避けることに焦点を当てている。 本研究では,モノクロ映像から密に対話的な人間を再構築する作業に取り組む。 本稿では,視覚情報の欠如を補うために,確率的行動や物理からの知識を活用することを提案する。
  論文  参考訳（メタデータ） (2024-04-17T11:55:45Z)
• UniAR: A Unified model for predicting human Attention and Responses on visual content [12.281060227170792]
  多様な視覚コンテンツにまたがる人間の注意と嗜好行動の統一モデルUniARを提案する。 自然画像、Webページ、グラフィックデザインにまたがる様々な公開データセットに基づいてUniARをトレーニングし、複数のベンチマークでSOTA性能を達成する。 潜在的なアプリケーションには、UI/視覚コンテンツの有効性に関する即時フィードバックの提供や、デザイナとコンテンツ作成モデルによる人間中心の改善のための作成の最適化などが含まれる。
  論文  参考訳（メタデータ） (2023-12-15T19:57:07Z)
• Subjective Face Transform using Human First Impressions [4.6852346957345015]
  この研究は生成モデルを用いて、認識属性を変更する顔画像に意味論的に意味のある編集を見つける。 我々は、実際の顔と合成顔のトレーニングを行い、予測モデルと人間の評価を用いてドメイン内画像とドメイン外画像の評価を行う。
  論文  参考訳（メタデータ） (2023-09-27T03:21:07Z)
• CIAO! A Contrastive Adaptation Mechanism for Non-Universal Facial Expression Recognition [80.07590100872548]
  本稿では、顔エンコーダの最後の層に異なるデータセットの特定の感情特性を適応させるメカニズムであるContrastive Inhibitory Adaptati On(CIAO)を提案する。 CIAOは、非常にユニークな感情表現を持つ6つの異なるデータセットに対して、表情認識性能が改善されている。
  論文  参考訳（メタデータ） (2022-08-10T15:46:05Z)
• A Linked Aggregate Code for Processing Faces (Revised Version) [0.0]
  顔表現のモデルは、顔の類似性の知覚に関する実験データと比較される。 以上の結果から,LACをベースとした類似度測定は,高次視覚領域における顔表現のさらなるモデリングの出発点となる可能性が示唆された。
  論文  参考訳（メタデータ） (2020-09-17T13:29:25Z)
• Unsupervised Learning Facial Parameter Regressor for Action Unit Intensity Estimation via Differentiable Renderer [51.926868759681014]
  骨駆動型顔モデル(BDFM)に基づいて,異なる視点で顔パラメータを予測する枠組みを提案する。 提案するフレームワークは,特徴抽出器,ジェネレータ,顔パラメータ回帰器から構成される。
  論文  参考訳（メタデータ） (2020-08-20T09:49:13Z)

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。