SDFD: 构建具有多样属性的通用合成人脸图像数据集

Apr, 2024

SDFD: 构建具有多样属性的通用合成人脸图像数据集

SDFD: Building a Versatile Synthetic Face Image Dataset with Diverse Attributes

Georgia Baltsou, Ioannis Sarridis, Christos Koutlis, Symeon Papadopoulos

TL;DR通过提出一种生成综合面部多样性数据集的方法，本研究旨在解决现有面部图像数据集集中在年龄、性别和肤色等少数面部属性上的问题，从而提高 AI 系统的鲁棒性。这种方法不仅包括人口统计学和生物识别特征，还涵盖了妆容、发型和配饰等非永久性特征，通过引导最先进的文本到图像模型生成高质量、逼真的综合数据集，并可用于面部分析系统的评估。与现有数据集相比，我们提出的数据集在图像分类任务中同样具有或更高的挑战性，同时大小更小。

Abstract

ai systems rely on extensive training on large datasets to address various tasks. However, image-based systems, particularly those used for demographic attribute prediction, face significant challenges. Many current face image datasets primarily focus on demographic factors such as age

ai systems demographic attribute prediction synthetic face image datasets facial diversity text-to-image model

发现论文，激发创造

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

合成基于人脸识别中的偏见和多样性

合成数据在解决处理真实面部数据的伦理和法律挑战中作为真实数据的替代品出现。我们研究了合成面部识别数据集的多样性与真实数据集的对比，以及生成模型的训练数据分布如何影响合成数据的分布。我们还研究了在比较最近三个基于合成数据的面部识别模型与基准模型 (基于真实数据) 在所研究属性上的具体偏差。结果显示，生成器生成的不同属性具有与所使用的训练数据相似的分布。在偏差方面，合成模型与真实模型具有类似的偏差行为。然而，发现较低的内部一致性似乎有助于减少偏差。

Nov, 2023

迈向更公平的人脸识别数据集

利用生成的训练数据集中的人口属性平衡机制，提出了一种全面的评估方法，旨在促进更公平、透明的人脸识别和验证，并发现在减少人口属性不公平的同时，性能差距仍然存在。

Jun, 2024

基于风格的脸部老化增强面部数据多样性

本研究旨在解决数据集偏置问题，提出了一种新颖的基于样式的生成架构来增加面部数据集的年龄多样性，显著提高了增强数据集的多样性和时代转化的性能。

Jun, 2020

人脸识别中减少人口统计偏见的合成数据

通过使用合成数据来缓解影响面部识别技术的人口偏见的可能性进行了研究。

Feb, 2024

FairFace: 面部属性数据集，平衡种族、性别和年龄

本研究构建了一个包含 108,501 张图像的人脸图像数据集，强调数据集的平衡种族构成，通过对基于此数据集训练模型和评估性能的实验，发现模型的准确性较高且与种族和性别无关。

Aug, 2019

SynFace: 用合成数据进行人脸识别

本文介绍了使用合成人脸图像的方法解决现实世界人脸识别中困难的问题，并提出了 SynFace，探讨了训练人工合成和真实图像的最新人脸识别模型之间的性能差距及其原因，并提出了 identity mixup 和 domain mixup 方法来缓解性能差距。此外，对于人工合成的图像，本文还对姿态，表情，光照等因素进行了实验分析，提供了几种有效利用合成数据进行人脸识别的方法。

Aug, 2021

AI-Face：一个百万规模的 AI 生成人脸数据集和公平性评估基准

AI 生成的人脸已经丰富了人类的生活，但也存在滥用风险。为了缓解偏见，设计算法公平方法是关键，然而当前检测器在不同人群中表现出偏见。本研究引入了 AI-Face 数据集，该数据集是首个具备人口属性注释的、包括真实人脸、deepfake 视频中的人脸以及由生成对抗网络和扩散模型生成的人脸的百万级 AI 生成人脸图像数据集。基于该数据集，我们进行了首次全面的公平性评估，评估了各种 AI 人脸检测器，并提供有价值的见解和发现，以推动未来公平设计 AI 人脸检测器。我们的 AI-Face 数据集和评估代码在此 https URL 上公开可用。

Jun, 2024

用于人脸识别中合成和真实数据评估的大规模标注数据集

通过对真实数据集和合成数据集进行性能比较，我们发现了真实数据集和合成数据集之间的差异，并发现真实样本足以解释合成分布，而相反情况则不成立。

Apr, 2024

SDFR: 用于人脸识别竞赛的合成数据

本研究论文总结了为了解决网络爬取的面部识别数据集引发的合法、伦理和隐私问题，近期提出的利用生成模型生成合成数据集的研究成果，同时介绍了面向面部识别模型训练使用合成数据的 SDFR 竞赛的概述、参与模型的评估结果以及对未来研究方向的展望。

Apr, 2024