論文の概要: CVBL-CCTV-Face Dataset for Real-World Face Enhancement and Recognition in Surveillance

• arxiv url: http://arxiv.org/abs/2610.36781v1
• Date: Tue, 27 Oct 2026 07:48:18 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-10-28 21:04:31.537744
• Title: CVBL-CCTV-Face Dataset for Real-World Face Enhancement and Recognition in Surveillance
• Title（参考訳）: CVBL-CCTV-Face Dataset for Real-World Face Enhancement and Recognition in Surveillance
• Abstract要約: 監視アプリケーションを対象とした超高解像度・アイデンティティ認識のためのフレームワークを提案する。 実世界の画像のデータセットであるCVBL-CCTV-Faceデータセットについて述べる。 我々は,顔認識,低品質顔画像の深層学習に基づく超解像,および埋め込みモデルにより抽出されたL2正規化埋め込みによる識別を含むモジュールシステムを構築した。
• 参考スコア（独自算出の注目度）: 7.71138110022
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: In real-world surveillance settings, facial captures from closed-circuit television systems suffer from degradations such as low resolution, motion blur, noise, and occlusions, which undermine dependable face recognition. In this study, we propose a framework for super-resolution and identity recognition, aimed at surveillance applications. For this purpose, we present the CVBL-CCTV-Face Dataset which is a dataset of real-world images taken in an unpaired manner where each pair consists of a low-quality (LQ) image of a face captured by a 8MP IP Dome CCTV camera together with a high-quality (HQ) reference image that is taken in controlled settings. In order to cope with the various problems posed by such datasets, we construct a modular system that involves face detection, deep learning-based super-resolution of low-quality face images, and identity recognition through L2-normalized embeddings extracted by an embedding model. Enhancement models are trained and tested according to three different setups, and the system is deployed for identity verification in a real-time unconstrained environment.
• Abstract（参考訳）: 現実世界の監視環境では、クローズド・サーキットのテレビシステムからの顔のキャプチャは、低解像度、動きのぼやけ、ノイズ、閉塞などの劣化に悩まされ、顔認証の信頼性を損なう。 本研究では,監視アプリケーションを対象とした超高解像度・アイデンティティ認識のためのフレームワークを提案する。 この目的のために,CVBL-CCTV-Face Datasetは,8MPのIPドームCCTVカメラで捉えた顔の低品質(LQ)画像と,制御された設定で撮影される高品質(HQ)参照画像からなる実世界の画像のデータセットである。 このようなデータセットによって引き起こされる様々な問題に対処するため、我々は、顔検出、低品質顔画像の深層学習に基づく超解像、埋め込みモデルにより抽出されたL2正規化埋め込みによる識別を含むモジュールシステムを構築した。 拡張モデルは3つの異なる設定に従ってトレーニングされ、テストされる。

関連論文リスト

• Robust Face Super-Resolution and Recognition Through Multi-Feature Aggregation in Diffusion Models [2.1688624609312077]
  本稿では拡散モデルに基づく超解像アルゴリズムであるFASR++を紹介する。 高品質な画像を生成し、顔認識タスクのパフォーマンスを大幅に向上させることができる。 2つの標準的な顔認識データセットに対するアプローチを検証する。
  論文  参考訳（メタデータ） (2026-07-06T23:49:55Z)
• Surveillance Facial Image Quality Assessment: A Multi-dimensional Dataset and Lightweight Model [59.39390911456143]
  監視顔画像品質評価(SFIQA)に関する初の総合的研究を提案する。 SFIQA-Benchは、現実世界のシナリオで3つの広く配備された監視カメラによって撮影された5,004枚の監視顔画像で構成されている。 ノイズ、シャープネス、カラフルネス、コントラスト、忠実度、全体的な品質を含む6次元品質評価を主観的な実験により収集する。
  論文  参考訳（メタデータ） (2026-02-07T06:51:03Z)
• RealX3D: A Physically-Degraded 3D Benchmark for Multi-view Visual Restoration and Reconstruction [51.07270086169647]
  RealX3Dグループは、照明、散乱、ぼかしを含む4つのファミリーに腐敗し、それぞれを複数の重度レベルで捕獲する。 それぞれのシーンには高解像度キャプチャ、RAW画像、高密度レーザースキャンが含まれており、そこから世界規模のメッシュとメートル法深度を導き出す。
  論文  参考訳（メタデータ） (2025-12-29T12:57:19Z)
• DeepFidelity: Perceptual Forgery Fidelity Assessment for Deepfake Detection [67.3143177137102]
  ディープフェイク検出(Deepfake detection)とは、画像やビデオにおいて、人工的に生成された顔や編集された顔を検出すること。 本稿では,実顔と偽顔とを適応的に識別するDeepFidelityという新しいDeepfake検出フレームワークを提案する。
  論文  参考訳（メタデータ） (2023-12-07T07:19:45Z)
• Surveillance Face Anti-spoofing [81.50018853811895]
  Face Anti-Spoofing (FAS) は、様々な物理的攻撃から顔認識システムを保護するために不可欠である。 本稿では,画像品質による性能劣化を軽減するために,コントラスト品質不変学習(CQIL)ネットワークを提案する。 多くの実験がSuHiFiMaskデータセットの品質と提案したCQILの優位性を検証する。
  論文  参考訳（メタデータ） (2023-01-03T07:09:57Z)
• Meet-in-the-middle: Multi-scale upsampling and matching for cross-resolution face recognition [8.330506641637793]
  本稿では, 顔の超解像, 解像度マッチング, マルチスケールテンプレート蓄積を組み合わせ, 監視映像から顔を確実に認識する手法を提案する。 提案手法では、実際の監視画像のターゲットデータセットのトレーニングや微調整は不要である。
  論文  参考訳（メタデータ） (2022-11-28T11:23:32Z)
• A Comparative Analysis of the Face Recognition Methods in Video Surveillance Scenarios [0.0]
  本研究では,最先端の顔認識手法に対する比較ベンチマーク表を提案する。 本研究では, 年齢差, クラス内差(顔のメイクアップ, ひげなど)のある顔IDの映像監視データセットを構築し, ネイティブな顔画像データを用いて評価を行った。 一方、この研究は、マスクのない顔、マスクされた顔、眼鏡をかけた顔など、さまざまな状況下で最高の認識方法を発見する。
  論文  参考訳（メタデータ） (2022-11-05T17:59:18Z)
• Joint Face Image Restoration and Frontalization for Recognition [79.78729632975744]
  現実世界のシナリオでは、大きなポーズ、悪い照明、低解像度、ぼやけ、ノイズなど、多くの要因が顔認識性能を損なう可能性がある。 それまでの努力は通常、まず品質の低い顔から高品質な顔に復元し、次に顔認識を行う。 与えられた低品質の顔からフロンダル化された高品質の顔を復元する多段階顔復元モデルを提案する。
  論文  参考訳（メタデータ） (2021-05-12T03:52:41Z)
• Hierarchical Deep CNN Feature Set-Based Representation Learning for Robust Cross-Resolution Face Recognition [59.29808528182607]
  クロスリゾリューション顔認識(CRFR)は、インテリジェントな監視およびバイオメトリックフォレンジックにおいて重要である。 既存の浅層学習と深層学習に基づく手法は、HR-LR対を共同特徴空間にマッピングすることに焦点を当てている。 本研究では,多レベル深層畳み込みニューラルネットワーク(CNN)の機能を完全に活用し,堅牢なCRFRを実現することを目的とする。
  論文  参考訳（メタデータ） (2021-03-25T14:03:42Z)

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。