仅靠合成数据就能实现真实人脸分析!微软这项新研究告别人工标注
本文经AI新媒体量子位(公众号ID:QbitAI)授权转载,转载请联系出处。 而且人脸分析任务上,准确性还不输真实数据的仅靠那种。 这是微软团队的一项最新研究,论文标题就已经说明了一切。 Fake it till you make it. 文章介绍了一种程序合成生成的3D人脸模型与一个合成数据库结合起来训练图像,结果人脸解析等任务上,效果与真实数据相当。 研究人员表示,为一些不可能数据实现人工标注的地方,开辟了新方法。 是不是以后真就告别人工标注了?! 如何实现? 要想让人脸数据集更加多样化、丰富化,靠收集和标注就能越来越难以实现。 且不说收集,比如网络抓取,可能带来重大的隐私和版权问题。而人工标注,很容易导致出错或者标签不一致的情况。 因此,研实现究团队就考虑用合成数据来增加或替代真实数据。然鹅,此前因为人脸模型本身复杂实现难度较为困难。 那么这次是如何实现的呢? 第一真实步,用程序生成合成面孔,包括身份、表情、面部纹理,以及发型和衣着,不同光线环境下的效果。 所有这些数据都是独立采样,提前“手动人脸”去除噪音,以确保创建更多样化的个体。 比如在人脸模型上,就是这样滴~ 还有像衣着,则是由服装设计师和模拟软体设计师手工制作的,共分析有30套各种各样的衣服。 还包括头饰(36件)、面具(7件)和眼镜(11件) 。 除此以外,还合成了标签。 接着到了训练阶段,研究人员!微创建了一个10万张分辨率为512 × 512的图像的数据集,并做了数据增强处理,共用了150 张NVIDIA M60 GPU渲染48小软这时。 此外,团队还训练了人脸解析网络(仅使用合成数据)和标签适应网络,以解决合成标签和人工注释标签之间的系统差异。 最终,人脸分项新析、地标定位等任务上的效果与其他采用真实数据的模型相当。 不过,研究人员也承认这项技术仍然有一定局限性。 比如人脸模型只有头部和研究颈部、无法模拟真实的皱纹、随机匹配人脸时会得到一些不合常理的面孔,比如有胡须的女性。 在接下来的工作中,他们计划将解决这些告别局限性。 好了,感兴趣的旁友可戳下方论文链接~ 论文链接:
https://www.arxiv-vanity.com/papers/2人工109.15102/
- 最近发表
- 随机阅读
-
- 2021年的十大云计算趋势
- 人工智能推动2023年第四季度全球云支出增长创新高
- 押注AI与数据中心:谷歌领跑,科技巨头加码欧洲市场
- 京东云无线宝一代设备大规模故障持续 官方发补偿方案
- 谷歌推出 EmbeddingGemma:高效的移动端文本嵌入模型
- Epic和苹果官司将于5月开庭 双方各有45小时陈述自己观点
- 1499元误标成149元?专家质疑苹果砍单,“口说无凭”!
- 云安全日报201127:IBM自动化多云管理平台发现任意代码执行漏洞,需要尽快升级
- 标签: 闻泰科技 安世半导体 荷兰政府干预 张彦茹
- 优秀工具!用于机器学习的10种文本注解工具和服务
- 标签: 卡尔动力 KargoBot 陕重汽 北奔重卡
- 马斯克:苹果的App Store抽成实际上是全球互联网税
- 标签: 云知声 山海知医 医疗大模型 智慧医疗
- 报告显示亚马逊送货司机被要求关闭识别危险驾驶软件以提高速度
- 标签: AMI 杨立昆 World Model JEPA
- 标签: 京东 抖音电商 美的集团
- 标签: 腾讯云 ClawPro OpenClaw 企业AI
- 节省显存新思路,在 PyTorch 里使用 2 bit 激活压缩训练神经网络
- 云计算核心技术Docker教程:Docker Swarm 轮换节点的CA 证书
- 葡萄柚可以放冰箱吗
- 搜索
-
- 友情链接