論文の概要: Revisiting Face Recognition for Monozygotic Twins: The Celeb Twins Test Set
- arxiv url: http://arxiv.org/abs/2609.01141v1
- Date: Tue, 01 Sep 2026 12:17:43 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-09-02 16:31:36.64167
- Title: Revisiting Face Recognition for Monozygotic Twins: The Celeb Twins Test Set
- Title（参考訳）: 単接合双生児の顔認識再考:Celeb Twins Test Set
- Authors: Michael Zang, Haiyu Wu, Mrinal Sharma, Kevin W. Bowyer,
- Abstract要約: Celeb Twins Test Set (CTTS)には、80組の有名人の双子のためのウェブスクレイプ画像ペアが含まれている。
これは、皮膚のマークとミラー非対称性を区別した双生児のためのメタデータを備えた唯一の双生児テストセットである。
現在のディープCNNマーカは、CTTSの同一人物/異人物画像ペアの分類において76%以上の精度を達成することができる。
- 参考スコア（独自算出の注目度）: 12.430872995530786
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Past literature on face recognition for monozygotic (("identical") twins points to facial marks and mirror asymmetry as possible directions for improved accuracy of twins recognition. The Celeb Twins Test Set (CTTS) contains web-scraped image pairs for 80 sets of celebrity twins. It is the only twins test set with meta-data for twins with distinguishing skin marks and possible mirror asymmetry. CTTS is organized in the manner of face verification test sets such as LFW, CALFW, CPLFW, CFP-FP, and AgeDB-30. Current deep CNN matchers can achieve over 76% accuracy in classifying CTTS same-person / different-person image pairs. We show that current matchers do not make use of skin marks, or asymmetry, and discuss reasons for this. Finally, we discuss the feasibility of using generative AI tools such as Grok, ChatGPT and Gemini to create images of imagined monozygotic twins as a means to increase representation of twins in face recognition training sets.
- Abstract（参考訳）: 単接合型(「同一」)双生児の顔認識に関する過去の文献は、双生児の認識精度を向上させるために、可能な限りの方向で顔のマークとミラー非対称性を指している。
Celeb Twins Test Set (CTTS)には、80組の有名人の双子のためのウェブスクレイプ画像ペアが含まれている。
これは、皮膚のマークとミラー非対称性を区別した双生児のためのメタデータを備えた唯一の双生児テストセットである。
CTTSは、LFW、CALFW、CPLFW、CFP-FP、 AgeDB-30などの顔認証テストセットの方法で構成されている。
現在のディープCNNマーカは、CTTSの同一人物/異人物画像ペアの分類において76%以上の精度を達成することができる。
我々は,現在のマーカがスキンマークや非対称性を利用していないことを示し,その理由について議論する。
最後に、顔認証トレーニングセットにおける双子の表現を高める手段として、Grok、ChatGPT、Geminiなどの生成AIツールを使用して、想像上の一卵性双生児の画像を作成する可能性について論じる。
関連論文リスト
- DNA: Dual-stage Native Attribution for Generated Image Source Tracing [75.65470221927096]
既存のプロアクティブな方法は、透かしの埋め込みやモデル修正に依存している。
DNAは、ニューラルネットワークのトレーニングを追加せずに、この階層に従う粗大なフレームワークである。
実験の結果、DNAは89.11%のエンドツーエンドの属性精度を達成している。
論文 参考訳（メタデータ） (2026-07-15T10:27:52Z) - AHAN: Asymmetric Hierarchical Attention Network for Identical Twin Face Verification [0.0]
現在の顔認識法は標準ベンチマークで99.8%以上の精度を達成しているが、同一の双子を区別すると88.9%に劇的に低下する。
非対称階層型注意ネットワーク (AHAN) を提案する。
AHANは92.3%の双子の検証精度を達成し、最先端の手法よりも3.4%改善した。
論文 参考訳（メタデータ） (2026-02-25T02:33:25Z) - No More Sibling Rivalry: Debiasing Human-Object Interaction Detection [47.554732714656296]
この研究は、相互作用デコーダの学習を妨げる重要な問題である「毒性兄弟」のバイアスを特定する。
このバイアスは、兄弟三重項/カテゴリ間の高い混乱から生じ、類似性の増加はパラドックス的に精度を低下させる。
我々は,2つの新しいデバイアス学習目標-「コントラスト-then-calibration」と「マージ-then-split」を提案する。
論文 参考訳（メタデータ） (2025-08-31T09:23:15Z) - A Siamese Network to Detect If Two Iris Images Are Monozygotic [7.082273060309677]
我々は,一対の虹彩画像をモノジゴティックアイライズや非モノジゴティックアイライズに分類するために,シームズネットワークアーキテクチャとコントラスト学習を採用している。
本手法は, 単接合型虹彩対のヒト分類において, 従来報告されていたものを超える全虹彩画像を用いて精度を向上する。
論文 参考訳（メタデータ） (2025-03-12T18:48:38Z) - Weakly Supervised Face Naming with Symmetry-Enhanced Contrastive Loss [50.32343933000289]
SECLAは、Symmetry-Enhanced Contrastive Learningベースのアライメントモデルである。
モデルのバリエーションであるSECLA-Bは、人間がしているように名前と顔を調整することを学ぶ。
我々は、Wildデータセットにおけるラベル付き顔とCelebrity Togetherデータセットの両方について、最先端の結果を得る。
論文 参考訳（メタデータ） (2022-10-17T11:51:04Z) - Benchmarking Human Face Similarity Using Identical Twins [5.93228031688634]
自動顔認識(FR)アプリケーションにおいて、双子の双子と双子以外の見た目を区別する問題はますます重要になっている。
この研究は、2つのFR課題に対処するために、これまでにコンパイルされた最大のツインデータセットの1つを応用したものである。
論文 参考訳（メタデータ） (2022-08-25T01:45:02Z) - T-Person-GAN: Text-to-Person Image Generation with Identity-Consistency
and Manifold Mix-Up [16.165889084870116]
テキストのみに条件付けされた高解像度の人物画像を生成するためのエンドツーエンドアプローチを提案する。
2つの新しいメカニズムで人物画像を生成するための効果的な生成モデルを開発する。
論文 参考訳（メタデータ） (2022-08-18T07:41:02Z) - Contrastive Semantic Similarity Learning for Image Captioning Evaluation
with Intrinsic Auto-encoder [52.42057181754076]
自動エンコーダ機構とコントラスト表現学習の進歩により,画像キャプションのための学習基準を提案する。
文レベルの表現を学習するための3つのプログレッシブモデル構造を開発する。
実験結果から,提案手法は他の指標から得られるスコアとよく一致できることが示唆された。
論文 参考訳（メタデータ） (2021-06-29T12:27:05Z) - DVG-Face: Dual Variational Generation for Heterogeneous Face Recognition [85.94331736287765]
我々は、HFRを二重生成問題として定式化し、新しいDual Variational Generation(DVG-Face)フレームワークを用いてそれに取り組む。
大規模可視データの豊富なアイデンティティ情報を結合分布に統合する。
同一の同一性を持つ多種多様な多種多様な画像は、ノイズから生成することができる。
論文 参考訳（メタデータ） (2020-09-20T09:48:24Z)
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。