論文の概要: DisFace3DNet: Explainable Facial Attractiveness Prediction via 3D Component Disentanglement

• arxiv url: http://arxiv.org/abs/2610.11656v1
• Date: Thu, 08 Oct 2026 10:33:54 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-10-10 02:36:53.958543
• Title: DisFace3DNet: Explainable Facial Attractiveness Prediction via 3D Component Disentanglement
• Title（参考訳）: DisFace3DNet:3次元成分歪みによる説明可能な顔の魅力予測
• Abstract要約: DisFace3DNetは、全体的な評価から7つのコンポーネントリファレンススコアを学習する。 DisFace3DNetは、全体的な予測と、各見積もりに入る顔と文脈の手がかりの定量的分析を結びつける。
• 参考スコア（独自算出の注目度）: 10.160693548419443
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Facial attractiveness prediction usually assigns one overall rating, leaving the roles of shape, appearance, and viewing conditions implicit. We propose DisFace3DNet, which uses 3D component disentanglement to learn seven component reference scores from overall ratings with auxiliary weak semantic supervision, without human-labeled component targets. Designated 3D representations and image cues feed jointly learned routes for identity, skin, hair, light, background, expression, and pose. A constrained fit then combines five static and two signed dynamic scores into the overall rating, exposing each component's numerical contribution and supporting component-specific comparisons across images. On SCUT-FBP5500, DisFace3DNet achieves a Pearson correlation of $0.8904\pm0.0063$ (mean $\pm$ standard deviation across five folds) with average human ratings; its component terms reconstruct every held-out prediction to numerical precision. Skin, hair, and facial shape account for the largest component-wise prediction variation. Human evaluation supports the score directions for facial shape, skin, and hair; expression agreement is weaker. DisFace3DNet thus connects overall prediction to quantitative analysis of the facial and contextual cues entering each estimate.
• Abstract（参考訳）: 顔の魅力の予測は、通常1つの全体的な評価を割り当て、形、外観、観察条件の役割を暗黙的に残す。 提案するDisFace3DNetは,3次元成分のアンタングルメントを用いて,人間のラベル付きコンポーネントターゲットを使わずに,総合評価から7つの成分基準スコアを学習する。 指定された3D表現と画像キューは、アイデンティティ、皮膚、毛髪、光、背景、表現、ポーズのための共同学習ルートを提供する。 制約付きフィットは5つの静的スコアと2つの署名された動的スコアを総合評価に組み合わせ、各コンポーネントの数値的なコントリビューションを明らかにし、画像間のコンポーネント固有の比較をサポートする。 SCUT-FBP5500では、DisFace3DNetは平均的な人間格付けと0.8904\pm0.0063$(平均$\pm$標準偏差)のピアソン相関を達成している。 皮膚、毛髪、顔の形は、コンポーネントワイド予測の最大のバリエーションである。 人間の評価は顔の形状、皮膚、毛髪のスコアの方向をサポートし、表現の一致はより弱い。 DisFace3DNetは、全体的な予測と、各見積に入力される顔と文脈の手がかりの定量的分析を結びつける。

関連論文リスト

• Capturing Dynamics: The 4D Facial Expression Intensity Dataset [61.91091190688099]
  本稿では,4次元表情強調データセット(4DFEID)を紹介する。 パラメータ・フェース・モデルを用いて2,869個のメッシュ・シーケンスを合成する。 クラウドソーシングプラットフォームを通じて、9万人以上の主観的インテンシティ評価を収集しています。
  論文  参考訳（メタデータ） (2026-10-02T01:09:42Z)
• UPose3D: Uncertainty-Aware 3D Human Pose Estimation with Cross-View and Temporal Cues [55.69339788566899]
  UPose3Dは多視点人間のポーズ推定のための新しいアプローチである。 直接的な3Dアノテーションを必要とせずに、堅牢性と柔軟性を向上させる。
  論文  参考訳（メタデータ） (2024-04-23T00:18:00Z)
• Towards Robust and Expressive Whole-body Human Pose and Shape Estimation [51.457517178632756]
  全体のポーズと形状の推定は、単眼画像から人体全体の異なる振る舞いを共同で予測することを目的としている。 既存の手法では、既存のシナリオの複雑さの下で、しばしば劣化したパフォーマンスを示す。 全身のポーズと形状推定の堅牢性を高める新しい枠組みを提案する。
  論文  参考訳（メタデータ） (2023-12-14T08:17:42Z)
• Facial Expression Re-targeting from a Single Character [0.0]
  3Dキャラクタの表情を表現するための標準的な方法は、ブレンドシャッフルである。 私たちは、各顔器官のランドマークをグループ化し、それらを関連するブレンドシェープ重みに結合する独自のディープラーニングアーキテクチャを開発しました。 我々のアプローチは、様々なユーザや表現のあるビデオでテストすると、より高いMOSが68%、低いMSEが44.2%に達した。
  論文  参考訳（メタデータ） (2023-06-21T11:35:22Z)
• Learning Visibility for Robust Dense Human Body Estimation [78.37389398573882]
  2D画像から3Dのポーズと形状を推定することは、非常に難しい課題だ。 部分的な観察に頑健な高密度な人体推定を学習する。 我々は、高密度UV通信から可視性ラベルの擬似基底構造を取得し、3次元座標とともに可視性を予測するニューラルネットワークを訓練する。
  論文  参考訳（メタデータ） (2022-08-23T00:01:05Z)
• KTN: Knowledge Transfer Network for Learning Multi-person 2D-3D Correspondences [77.56222946832237]
  画像中の複数の人物の密着度を検出するための新しい枠組みを提案する。 提案手法は知識伝達ネットワーク(KTN)の2つの問題に対処する。 特徴解像度を同時に維持し、背景画素を抑圧し、この戦略は精度を大幅に向上させる。
  論文  参考訳（メタデータ） (2022-06-21T03:11:37Z)
• Multi-modal Affect Analysis using standardized data within subjects in the Wild [8.05417723395965]
  本稿では,表情(EXP)に着目した感情認識手法を提案する。 提案手法は,評価精度とロバスト性を効果的に向上する。
  論文  参考訳（メタデータ） (2021-07-07T04:18:28Z)
• Adaptive Graph Representation Learning and Reasoning for Face Parsing [55.086151726427104]
  顔解析は、各顔成分にピクセルワイズラベルを推論する。 成分関係は、顔領域の曖昧な画素を識別する重要な手がかりである。 顔面成分の適応的グラフ表現学習と推論を提案する。
  論文  参考訳（メタデータ） (2021-01-18T12:17:40Z)
• DOPE: Distillation Of Part Experts for whole-body 3D pose estimation in the wild [13.326154235579954]
  そこで本研究では,体,手,顔を含む身体全体の3Dポーズを野生で検出し,推定する最初の方法であるDOPEを紹介した。 DOPEは専門家のアンサンブルよりも計算量が少なく、リアルタイムのパフォーマンスを実現することができる。
  論文  参考訳（メタデータ） (2020-08-21T12:54:26Z)

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。