論文の概要: SCOUT: Semantic Concept Discovery for Open-Vocabulary Editing of face Recognition Templates
- arxiv url: http://arxiv.org/abs/2608.16251v1
- Date: Mon, 17 Aug 2026 08:25:07 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-08-18 19:59:03.591188
- Title: SCOUT: Semantic Concept Discovery for Open-Vocabulary Editing of face Recognition Templates
- Title（参考訳）: SCOUT: 顔認識テンプレートのオープン語彙編集のための意味的概念発見
- Abstract要約: メカニスティック・インタプリタビリティを用いた顔認識テンプレートにおけるセマンティック概念を操作するためのエンドツーエンドフレームワークを提案する。
SCOUTはスパーステンプレート表現を学習し、自然言語記述から潜在特徴のセマンティック仮説を生成し、安定性を検証する。
結果として得られる機能は、コストのかかる編集-再エンコードパイプラインを避ける、直接編集のための制御可能なセマンティックな方向として機能する。
- 参考スコア（独自算出の注目度）: 3.5007821140359927
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Face recognition templates are compact identity representations, yet they also encode rich semantic information about facial appearance. Prior work has shown that templates can be inverted to images or indirectly manipulated through image-editing pipelines, but direct semantic editing in template space remains largely unexplored. Existing interpretability methods for face recognition often rely on manual neuron inspection or predefined attribute labels, limiting scalability and semantic flexibility. To address this gap, we propose SCOUT (Semantic Concept Discovery for Open-VocabUlary Editing of Face Recognition Templates), an end-to-end framework for discovering and directly manipulating semantic concepts in face recognition templates using mechanistic interpretability. SCOUT learns sparse template representations, generates semantic hypotheses for latent features from natural-language descriptions, and validates their stability. The resulting features act as controllable semantic directions for direct editing, avoiding costly edit--re-encode pipelines. Experiments with face recognition models using CNN, ViT, and Swin backbones show that SCOUT discovers interpretable concepts beyond standard attribute labels and enables controllable, identity-aware template manipulation with negligible impact on identity matching. We further show that edited templates can subsequently be decoded with independent inversion models for visualization and evaluation.
- Abstract（参考訳）: 顔認識テンプレートはコンパクトなアイデンティティ表現であるが、顔の外観に関する豊富な意味情報をエンコードする。
以前の研究によると、テンプレートは画像に逆戻りしたり、イメージ編集パイプラインを通じて間接的に操作できるが、テンプレート空間での直接的なセマンティック編集はほとんど探索されていない。
顔認識のための既存の解釈可能性法は、しばしば手動ニューロン検査や事前に定義された属性ラベルに依存し、スケーラビリティとセマンティックな柔軟性を制限している。
そこで我々はSCOUT(Semantic Concept Discovery for Open-VocabUlary Editing of Face Recognition Templates)を提案する。
SCOUTはスパーステンプレート表現を学習し、自然言語記述から潜在特徴のセマンティック仮説を生成し、安定性を検証する。
結果として得られる機能は、コストのかかる編集-再エンコードパイプラインを避ける、直接編集のための制御可能なセマンティックな方向として機能する。
CNN、ViT、Swinのバックボーンを用いた顔認識モデルによる実験では、SCOUTは標準属性ラベルを超える解釈可能な概念を発見し、IDマッチングに対する無視的な影響で、制御可能でアイデンティティを意識したテンプレート操作を可能にする。
さらに,編集テンプレートを独立した逆変換モデルでデコードすることで,可視化と評価を行うことができることを示す。
関連論文リスト
- Unmasking Face Embeddings: Reading, Rendering and Naming with Foundation Models [8.929662625846595]
モデル間の互換性の組込みに関する最近の研究に基づいて、簡単な計算済みの線形変換を用いてFRモデルと既製の基礎モデルとを接続する。
この相互運用性は、顔の埋め込みを意味的および視覚的にリッチなバイオメトリック表現として公開し、解釈可能性、検索、再構築、テンプレートセキュリティに影響を及ぼす。
論文 参考訳（メタデータ） (2026-08-31T21:46:54Z) - Latent-Identity Tuning in Text-to-Image Personalization Models [65.31471460269033]
テキスト・ツー・イメージのパーソナライズ・モデルにおける詳細なアイデンティティチューニング手法を提案する。
通常の画像編集とは異なり、アイデンティティチューニングは特定のアイデンティティの潜在表現を変更する。
この空間と選択されたトークンによって定義された部分空間内で有意な方向を識別できることが示される。
論文 参考訳（メタデータ） (2026-07-13T17:59:49Z) - SEAL: Semantic-aware Single-image Sticker Personalization with a Large-scale Sticker-tag Dataset [18.101234691975815]
Single-image Sticker persontextbfALization (textbfSEAL) は、プラグイン・アンド・プレイのアーキテクチャに依存しない適応モジュールである。
SEALは,(1)セマンティック誘導空間注意損失,(2)分割マージトークン戦略,(3)構造認識層制限の3つの要素を組み込む。
StickerBenchは6属性スキーマの下で構造化されたタグを持つ、大規模なステッカーイメージデータセットである。
論文 参考訳（メタデータ） (2026-04-29T16:52:41Z) - CLIP-FTI: Fine-Grained Face Template Inversion via CLIP-Driven Attribute Conditioning [15.01028853162385]
顔認識システムは、効率的なマッチングのために顔テンプレートを格納する。
逆転することでプライバシーを侵害し、偽装を可能にするサロゲートが生成される。
顔テンプレートインバージョンのためのCLIP駆動の微粒化属性条件付けフレームワークであるCLIP-FTIを提案する。
論文 参考訳（メタデータ） (2025-12-17T13:26:34Z) - Beyond Inference Intervention: Identity-Decoupled Diffusion for Face Anonymization [55.29071072675132]
顔の匿名化は、非同一性属性を保持しながら、識別情報を隠蔽することを目的としている。
トレーニング中心の匿名化フレームワークである textbfIDsuperscript2Face を提案する。
IDtextsuperscript2Faceは、視覚的品質、アイデンティティの抑制、ユーティリティ保存において、既存の手法よりも優れていることを示す。
論文 参考訳（メタデータ） (2025-10-28T09:28:12Z) - Mind-the-Glitch: Visual Correspondence for Detecting Inconsistencies in Subject-Driven Generation [120.23172120151821]
本稿では,事前学習した拡散モデルのバックボーンから視覚的特徴と意味的特徴を分離するための新しいアプローチを提案する。
注釈付きセマンティックと視覚対応を備えた画像ペアを構築する自動パイプラインを導入する。
被験者駆動画像生成における視覚的不整合を定量化する新しい指標であるビジュアルセマンティックマッチングを提案する。
論文 参考訳（メタデータ） (2025-09-26T07:11:55Z) - A Generative Approach for Wikipedia-Scale Visual Entity Recognition [56.55633052479446]
与えられたクエリ画像をWikipediaにある600万の既存エンティティの1つにマッピングするタスクに対処する。
本稿では,対象エンティティを識別する「意味的・識別的コード」の自動復号化を学習する,新しい生成エンティティ認識フレームワークを紹介する。
論文 参考訳（メタデータ） (2024-03-04T13:47:30Z) - Learning Disentangled Representation for One-shot Progressive Face Swapping [92.09538942684539]
ジェネレーティブ・アドバーサリアル・ネットワークに基づくワンショット・フェイススワップのためのシンプルで効率的なFaceSwapperを提案する。
提案手法は,不整合表現モジュールと意味誘導融合モジュールから構成される。
本手法は,トレーニングサンプルの少ないベンチマークデータセットに対して,最先端の結果を得る。
論文 参考訳（メタデータ） (2022-03-24T11:19:04Z) - InterFaceGAN: Interpreting the Disentangled Face Representation Learned
by GANs [73.27299786083424]
我々は、最先端のGANモデルによって学習された不整合顔表現を解釈するInterFaceGANというフレームワークを提案する。
まず、GANは潜在空間の線型部分空間で様々な意味学を学ぶ。
次に、異なる意味論間の相関関係について詳細な研究を行い、部分空間射影を通してそれらをよりよく解離させる。
論文 参考訳（メタデータ） (2020-05-18T18:01:22Z)
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。