TAA-GCN: A Temporally Aware Adaptive Graph Convolutional Network for Age Estimation

要約

本論文では、新しい年齢推定アルゴリズムであるTemporally-Aware Adaptive Graph Convolutional Network (TAA-GCN)を提案する。TAA-GCNは、グラフに基づく新しい表現を用いて、骨格、姿勢、衣服、顔の情報を利用し、様々な年齢に関連する特徴セットを豊かにする。このような新しいグラフ表現には、いくつかの利点があります：第一に、表情やその他の外見的な変化に対する感度が低いこと、第二に、ビデオ監視などの実世界のアプリケーションで一般的な、部分的なオクルージョンや非正面平面視点に対して頑健であること、です。TAA-GCNは、(1)年齢の時間依存性を計算するTemporal Memory Module (TMM)、(2)グラフを洗練して外観のばらつきに対応するAdaptive Graph Convolutional Layer (AGCL) の2つの新しいコンポーネントを採用しています。TAA-GCNは、UTKFace、MORPHII、CACD、FG-NETという4つの公開ベンチマークにおいて、最先端の手法を凌駕する結果を得た。さらに、TAA-GCNは、異なるカメラ視点や画質の低下した画像においても信頼性を示した。

要約(オリジナル)

This paper proposes a novel age estimation algorithm, the Temporally-Aware Adaptive Graph Convolutional Network (TAA-GCN). Using a new representation based on graphs, the TAA-GCN utilizes skeletal, posture, clothing, and facial information to enrich the feature set associated with various ages. Such a novel graph representation has several advantages: First, reduced sensitivity to facial expression and other appearance variances; Second, robustness to partial occlusion and non-frontal-planar viewpoint, which is commonplace in real-world applications such as video surveillance. The TAA-GCN employs two novel components, (1) the Temporal Memory Module (TMM) to compute temporal dependencies in age; (2) Adaptive Graph Convolutional Layer (AGCL) to refine the graphs and accommodate the variance in appearance. The TAA-GCN outperforms the state-of-the-art methods on four public benchmarks, UTKFace, MORPHII, CACD, and FG-NET. Moreover, the TAA-GCN showed reliability in different camera viewpoints and reduced quality images.

arxiv情報

提供元, 利用サービス

arxiv.jp, DeepL