학회 발표에서 얼굴 관련 동향을 조사 중

얼굴관계의 데이터베이스·국제학회 발표는 진전을 계속하고 있다.

VGGFace2 Dataset

Training and Test Data

그 논문 VGGFace2: A dataset for recognising faces across pose and age

를 보면

Labeled Faces in the Wild 보다 얼굴 방향의 다양성 등이 오르고 있는 것 같다.

그건 그렇고,이 데이터베이스는
a Creative Commons Attribution-ShareAlike 4.0 International License.
에서 상업적으로 사용할 수 있습니다.

We introduce a new large-scale face dataset named VGGFace2. The dataset contains 3.31 million images of 9131 subjects (identities), with an average of 362.6 images for each subject. Images are downloaded from Google Image Search and , illumination, ethnicity and profession (e.g. actors, athletes, politicians).

보다 다양성을 증대시킨 데이터 세트가 되고 있습니다. Google Image search를 이용하여 이미지를 모으고 있는 것으로, 기계 학습이 기계 학습을 강화하는데 사용되고 있는 상황입니다.

paper VGGFace2: A dataset for recognising faces across pose and age



그 논문 중에서는 최근 공개된 얼굴 관계의 데이터베이스를 소개하고 있습니다.

LFW는 실제로, 정면 얼굴이 많이 선택되고 있습니다. 그것에 비하면 VGGFace2는 옆모습도 많이 포함하고 난이도가 따뜻해지고 있습니다.

이 VGGFace2를 이용한 face recognition의 pre-trained의 모델이 공개되고 있습니다.

htps : // 기주 b. 코 m/다ゔぃd씨d베르그/후세네 t
이 중 Pre-trained models의 하나로서 포함되어 있습니다.

얼굴 관련 IEEE 학회가 중국에서 개최됩니다.

13th IEEE International Conference on Automatic Face and Gesture Recognition 2018

reviewer안의 일본인다운 이름이 매우 적은 것이 신경이 쓰입니다.

CVPR 2018에 44개의 논문 채택

회장의 일각에는 기업의 전시 부스가 있어 Baidu나 SenseTime등이 적극적으로 활동하고 있는 것을 알 수 있습니다.

CVPR2018부터

Learning Face Age Progression: A Pyramid Architecture of GANs
htps : // / ch-b ぉ g. 아베. 아시아 / 엔트리 / cvpr2018 - 오라 l

나이가 들면 얼굴이 어떻게 변하는지 제시.
생성 된 이미지에서 사람이 변하지 않도록 연령 만 변경하는 것이 문제입니다.
생성 된 이미지에 대해 사람이 유지되는 손실과 연령 식별 손실을 사용했습니다.

Total Capture: A 3D Deformation Model for Tracking Faces, Hands, and Bodies

표정을 포함한 사람의 움직임, 자세, 제스처를 캡처하기 위한 모델 제안.
사람의 섬세한 부위까지를 모델화하는 대처는 없다. 모델링 할 때 희소 한 데이터에서 전체를 복원하기가 어렵습니다.
상세한 부위까지를 모델화하기 위한 Frankenstein 모델·Adam 모델을 제안, 자세의 키 포인트와 불완전한 점군으로부터, 몸의 메쉬를 생성.

Learning from Millions of 3D Scans for Large-scale 3D Face Recognition

SenseTime CVPR 2018에 44개의 논문 채택

다음과 같이 인재를 더 모으는 노력을 하고 있는 것을 알 수 있다.
전시회 CVPR 2018 참가자를 위한 간호회 「SenseTime PartyTime」 개최