Apr, 2023

大规模儿童人脸识别：合成数据生成和性能基准

PDF
TL;DR使用生成对抗网络和面部年龄进展模型合成了真实数据集 HDA-SynChildFaces，研究了儿童面部识别系统的性能，发现亚洲人、黑人、女性的识别效果相对不如白人、拉丁裔、男性。
children's facesgansfap modelsfacial recognition systemsbias
发现论文，激发创造
  • ChildGAN: 基于风格适应的大规模合成儿童面部数据

    使用 StyleGAN2 和转移学习构建的 ChildGAN，通过平滑的领域转换生成高质量的、逼真的合成男孩和女孩面部数据，这些数据的独特性和特征已经通过不同的计算机视觉应用测试得到验证，结果表明高质量的合成儿童面部数据为替代实际儿童大规模数据的成本和复杂性提供了一个选择。

    Jul, 2023

  • 合成儿童种族数据的基于 GAN 的图像翻译的比较研究

    利用图像转换方法，利用 pix2pix、CycleGAN 和 CUT 网络来生成各种合成儿童数据样本，以实现更广泛的种族多样性。

    Aug, 2023

  • 使用合成脸部数据进行人脸识别

    本研究利用合成数据和微调模型，在人脸识别领域取得了高精确度的成果，并研究表明模型的性能还受到脸部不同部位的影响。

    May, 2023

  • ChildDiffusion：利用稳定扩散和大规模语言模型，释放生成式 AI 和可控增强技术在儿童面部数据中的潜力

    通过使用高级 ChildDiffusion 框架，我们提出了一种能够生成逼真儿童面部样本并在儿童面部数据上嵌入几种智能增强的方法，包括短文本提示、详细的文本指导和基于文本指导控制的图像转换，从而提供了机会来构建完全综合的大规模儿童数据集。该框架可以合成用于各种下游机器学习任务的儿童面部数据，解决了生成 AI 工具中常见的时间不一致性和对渲染输出的有限控制等问题。

    Jun, 2024

  • 寻找失踪儿童：深度年龄化人脸特征

    该研究提出了一个年龄进展模块，对于失踪儿童这个识别时效性强的问题，可以通过对人脸数据的年龄处理，提升人脸识别系统的识别准确率，从而帮助识别被拐卖的儿童。

    Nov, 2019

  • 使用合成数据训练深度人脸识别系统

    本研究使用 3D 可变形面部模型，通过合成数据生成具有不同面部身份和完全控制的姿态、光照和背景的图像，观察到利用合成数据可以显著降低对真实世界图像需求，在预训练后，通过微调真实图像，合成数据与真实数据相结合的模型可获得更高的性能，而且并没有负面影响。

    Feb, 2018

  • 学习连续人脸年龄变化：GAN 金字塔

    本文提出了一种基于生成敌对网络模型的面部年龄进化方法，可以达到较好的年龄精度和身份永久性保持，并通过对多种方面的约束来保证生成的面部具有个性特征和真实的细节，并应用于面部识别系统，达到了领先水平.

    Jan, 2019

  • 人脸年龄合成：评估、分析与促进年龄鲁棒的人脸识别算法

    通过使用合成的老化数据和真实的老化数据来进行深度学习的人脸识别算法训练和验证，实验结果表明，在年龄差异为 40 岁的图像上进行测试时，与基准模型相比，使用合成老化图像训练的模型的识别率提高了 3.33％，从而证明了合成年龄数据对增强年龄不变的人脸识别系统性能的潜力。

    Jun, 2024

  • GANDiffFace: 通过对真实变异性的控制生成可控的人脸识别合成数据集

    本论文提出了 GANDiffFace，一种结合生成对抗网络（GAN）和扩散模型的新型框架，用于为人脸识别生成具有高度真实感的合成数据集，以克服现有合成数据集的局限性，特别是 GAN 提供的有限化内类别变化，进而增强内类别变化。

    May, 2023

  • 关于 GAN 在人脸验证中的偏差行为

    本文介绍了深度学习系统需要大量数据进行训练的主题，提出了使用生成模型（如 GAN）生成合成数据的替代方法。然而，我们证明使用 GAN 生成的数据容易存在偏见和公平性问题，尤其是针对年龄段在 20-29 岁之间的白人脸部图像生成存在偏见。此外，我们还证明了在微调人脸验证系统时，合成人脸会对种族属性造成不公平影响。

    Aug, 2022