要約
最近のディープフェイス認識の進歩により、大規模で多様な、人手による注釈付きの顔データセットに対する需要の高まりに拍車がかかっている。顔認識のための真正で高品質なデータの取得は、主にプライバシーの懸念に起因する課題であることが証明されている。大規模な顔データセットは、主にウェブベースの画像から取得されており、ユーザーの明示的な同意が得られていない。本論文では、本物の画像への依存を減らし、データ収集の懸念を軽減することで、効果的な顔認識モデルを学習するために合成顔データを使用できるかどうか、またどのように使用できるかを検証する。まず、合成データのみで学習させた場合と、真正（希少）データのみで学習させた場合の、最近の最先端の顔認識モデル間の性能差を調査した。次に、合成データと真正データの様々な組み合わせで最先端のバックボーンを訓練することで分析を深め、検証精度のために後者の使用を制限する最適化に関する洞察を得た。最後に、同じ目標を念頭に置いて、合成データと真正データを用いてデータ増強アプローチの有効性を評価した。その結果、特に適切な補強技術と組み合わせた場合に、組み合わせたデータセットで訓練したFRの有効性が浮き彫りになった。
要約(オリジナル)
Recent advances in deep face recognition have spurred a growing demand for large, diverse, and manually annotated face datasets. Acquiring authentic, high-quality data for face recognition has proven to be a challenge, primarily due to privacy concerns. Large face datasets are primarily sourced from web-based images, lacking explicit user consent. In this paper, we examine whether and how synthetic face data can be used to train effective face recognition models with reduced reliance on authentic images, thereby mitigating data collection concerns. First, we explored the performance gap among recent state-of-the-art face recognition models, trained with synthetic data only and authentic (scarce) data only. Then, we deepened our analysis by training a state-of-the-art backbone with various combinations of synthetic and authentic data, gaining insights into optimizing the limited use of the latter for verification accuracy. Finally, we assessed the effectiveness of data augmentation approaches on synthetic and authentic data, with the same goal in mind. Our results highlighted the effectiveness of FR trained on combined datasets, particularly when combined with appropriate augmentation techniques.
arxiv情報
| 著者 | Andrea Atzori,Fadi Boutros,Naser Damer,Gianni Fenu,Mirko Marras |
| 発行日 | 2024-04-04 15:45:25+00:00 |
| arxivサイト | arxiv_id(pdf) |