[論文レビュー] Visual Kinship Recognition: A Decade in the Making

Joseph P. Robinson, Ming Shao+1 more|arXiv (Cornell University)|Jun 29, 2020

Face recognition and analysis被引用数 4

ひとこと要約

本論文は、過去10年間における視覚的親族関係認識に関する包括的なサーベイを提供し、公開データセット、ベンチマークチャレンジ、および認識および生成の両方のタスクにおける最先端手法をレビューしている。本研究は、今後の研究の基盤を標準化し、主要な親族関係ベースのタスクのデモコードをリリースしており、分野の次の段階の発展におけるマイルストーンを示している。

ABSTRACT

Kinship recognition is a challenging problem with many practical applications. With much progress and milestones having been reached after ten years since pioneered - it is now that today we are able to survey their research and create new milestones. We list and review the public resources and data challenges that enabled and inspired many to hone-in on one or more views of automatic kinship recognition in the visual domain. The different tasks are described in technical terms and syntax consistent across the problem domain and the practical value of each discussed and measured. State-of-the-art methods for visual kinship recognition problems, whether to discriminate between or generate from, are examined. As part of such, we review systems proposed as part of a recent data challenge held in conjunction with the 2020 IEEE Conference on Automatic Face and Gesture Recognition. We establish a stronghold for the state of progress for the different problems in a consistent manner. We intend for this survey will serve as the central resource for work of the next decade to build upon. For the tenth anniversary, demo code is provided for the various kin-based tasks. Detecting relatives with visual recognition and classifying the relationship is an area with high potential for impact in research and practice.

研究の動機と目的

• 過去10年間における視覚的親族関係認識の進展を統合的・レビューすること。
• 自動親族関係認識の革新を促した公開データセットおよびデータチャレンジを分析すること。
• 研究の一貫性を高めるために、親族関係認識タスク間で用語および技術的構文を標準化すること。
• 視覚的親族関係認識における識別および生成の両方の最先端手法を評価すること。
• 今後の研究を支援するための中央集積的で再利用可能なリソース（デモコードを含む）を提供すること。

提案手法

• 視覚的親族関係認識の進展に寄与した公開データセットおよびデータチャレンジを体系的にレビューすること。
• 関係分類および画像生成を含む、さまざまな親族関係認識タスクの技術的構成要素および構文を分類・記述すること。
• 2020年IEEE FG親族関係認識チャレンジの文脈で提案された最先端モデルを分析すること。
• 視覚的親族関係認識の異なるタスク間で手法を比較するための一貫性のある評価フレームワークを確立すること。
• 再現性および今後のベンチマーク評価を支援するため、さまざまな親族関係ベースのタスクのデモコードをリリースすること。
• 識別的および生成的両アプローチを視覚的親族関係認識の文脈でサーベイし、主な手法的トレンドを強調すること。

実験結果

リサーチクエスチョン

• RQ1 過去10年間で視覚的親族関係認識の進展を最も顕著に促した公開データセットおよびデータチャレンジは何か？
• RQ2 さまざまな親族関係認識タスクにおいて、技術的アプローチおよび評価基準はどのように進化してきたか？
• RQ3 視覚的データから親族関係を分類するための現在の最先端手法は何か？
• RQ4 生成モデルは視覚的親族関係認識にどのように寄与しているのか、その実用的意義は何か？
• RQ5 今後の研究を支援するための標準化されたフレームワークおよびリソースは何か？

主な発見

• 本論文は、視覚的親族関係認識の進展を促した主要な公開データセットおよびデータチャレンジを特定・レビューしている。
• 研究の一貫性を高めるために、さまざまな親族関係認識問題において一貫した技術的構文およびタスク定義を確立している。
• 2020年IEEE FGチャレンジからのものも含め、視覚的親族関係認識の最先端手法が体系的に評価・比較されている。
• 本サーベイは、今後の研究のための標準化されたベンチマークを提供し、分野の現在の進捗を統合している。
• さまざまな親族関係ベースのタスクのデモコードがリリースされており、再現性の確保と今後のイノベーションの加速を可能としている。
• 本研究は、視覚的親族関係認識分野における今後の10年間の研究の中心的基準点として位置づけられている。