夏目亮太*, 井上和樹*, 福原吉博, 山本晋太郎, 森島繁生, 片岡裕雄

Understanding Fake-Faces:Computer Vision による顔の理解に対する解析

第18回ビジュアル情報処理研究合宿(VIP2018), 4-2 C

https://vipcamp.org

솔라리스. 例えば,図 1 上段に示すように,顔検出手法によっ て誤検出された画像には,人間が顔と認識すること が難しい画像が多く含まれている.一方で,図 1 下 段に示すように,人間にとっては顔に近いパターン を持つ画像であっても,従来の顔認識手法ではこれ らの画像を顔と認識することが難しいことが報告さ れている.本論文では人間らしい顔の理解について 解析するために,図 1 上段に示すような顔検出器 による誤検出画像 (false positive),図 1 下段に示す ような顔に近いパターンをもつ画像 (シミュラクラ 画像) の二種類の異なるデータを用いる.本論文で は,人間と CV 技術の顔に対する理解の相違を示唆 するこの二種類のデータをまとめて fake faces と呼 ぶこととする.また,解析手法として Convolutional Neural Network(CNN) による顔識別,Generative Adversarial Network(GAN) [3] による画像生成を行 う.本論文では fake faces の解析を行うために,VJ, CNN による false positive をそれぞれ 26,006 枚, 77,885 枚,シミュラクラ画像を 1,313 枚集めた."}" data-sheets-userformat="{"2":513,"3":[null,0],"12":0}">顔に関する研究はコンピュータビジョン (CV) 分
野で最も盛んなトピックの一つであり,Deep Neural Network(DNN) の発達によって,人間の知覚を超え た顔認識精度を達成している [1, 2].しかしながら, これらの CV 技術による認識というものは,人間に よる認識を真に再現しているかどうかは疑問が残る BitDefender for free. 例えば,図 1 上段に示すように,顔検出手法によっ て誤検出された画像には,人間が顔と認識すること が難しい画像が多く含まれている.一方で,図 1 下 段に示すように,人間にとっては顔に近いパターン を持つ画像であっても,従来の顔認識手法ではこれ らの画像を顔と認識することが難しいことが報告さ れている.本論文では人間らしい顔の理解について 解析するために,図 1 上段に示すような顔検出器 による誤検出画像 (false positive),図 1 下段に示す ような顔に近いパターンをもつ画像 (シミュラクラ 画像) の二種類の異なるデータを用いる.本論文で は,人間と CV 技術の顔に対する理解の相違を示唆 するこの二種類のデータをまとめて fake faces と呼 ぶこととする.また,解析手法として Convolutional Neural Network(CNN) による顔識別,Generative Adversarial Network(GAN) [3] による画像生成を行 う.本論文では fake faces の解析を行うために,VJ, CNN による false positive をそれぞれ 26,006 枚, 77,885 枚,シミュラクラ画像を 1,313 枚集めた 2000년대 인기가요.