[논문 리뷰] Visual Kinship Recognition: A Decade in the Making

Joseph P. Robinson, Ming Shao외 1명|arXiv (Cornell University)|2020. 06. 29.

Face recognition and analysis인용 수 4

한 줄 요약

이 논문은 지난 10년간 시각적 가족 관계 인식 분야에 대한 종합적인 서베이를 제공하며, 공개된 데이터셋, 벤치마크 도전 과제, 그리고 인식 및 생성 작업을 위한 최첨단 기법들을 검토한다. 이는 향후 연구를 위한 표준화된 기반을 구축하고, 핵심 가족 관계 기반 작업을 위한 데모 코드를 공개함으로써 분야의 다음 단계 발전을 위한 전환점이 된다.

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.

연구 동기 및 목표

• 지난 10년간 시각적 가족 관계 인식 분야에서 이루어진 진전을 통합하고 검토하기 위해.
• 자동 가족 관계 인식 분야의 혁신을 이끌어온 공개된 데이터셋과 데이터 과제를 분석하기 위해.
• 연구의 일관성을 위해 가족 관계 인식 작업 간의 용어와 기술적 문법을 표준화하기 위해.
• 시각적 가족 관계 인식에서의 분류 및 생성 작업을 위한 최첨단 기법을 평가하기 위해.
• 향후 연구를 안내하기 위해 중앙집중화되고 재사용 가능한 자원과 데모 코드를 제공하기 위해.

제안 방법

• 시각적 가족 관계 인식의 발전에 기여한 공개된 데이터셋과 데이터 과제를 체계적으로 검토하기 위해.
• 관계 분류 및 이미지 생성을 포함한 다양한 가족 관계 인식 작업의 기술적 구성요소와 문법을 분류하고 기술하기 위해.
• 2020년 IEEE FG 가족 관계 인식 과제의 맥락에서 제안된 최첨단 모델을 분석하기 위해.
• 시각적 가족 관계 인식의 다양한 작업 간에 방법을 비교하기 위한 일관된 평가 프레임워크를 수립하기 위해.
• 재현 가능성과 향후 벤치마크를 지원하기 위해 다양한 가족 관계 기반 작업을 위한 데모 코드를 공개하기 위해.
• 분류 및 생성 접근 방식을 모두 서베이하여 주요 방법론적 추세를 부각하기 위해.

실험 결과

연구 질문

• RQ1 지난 10년간 시각적 가족 관계 인식의 발전에 가장 크게 기여한 공개된 데이터셋과 데이터 과제는 무엇인가?
• RQ2 다양한 가족 관계 인식 작업 간에 기술적 접근 방식과 평가 기준은 어떻게 진화해 왔는가?
• RQ3 시각적 데이터에서 가족 관계를 분류하기 위한 현재 최첨단 기법은 무엇인가?
• RQ4 생성 모델은 시각적 가족 관계 인식에 어떻게 기여하며, 실용적 의미는 무엇인가?
• RQ5 향후 연구를 지원하기 위해 표준화된 프레임워크와 자원은 무엇이 가능한가?

주요 결과

• 논문은 시각적 가족 관계 인식의 진전을 이끌어온 핵심 공개 데이터셋과 데이터 과제를 식별하고 검토한다.
• 연구의 일관성을 향상시키기 위해 다양한 가족 관계 인식 문제 간에 일관된 기술적 문법과 작업 정의를 수립한다.
• 2020년 IEEE FG 과제에서 제안된 최첨단 기법을 포함한 시각적 가족 관계 인식의 최첨단 기법들이 체계적으로 평가되고 비교된다.
• 논문은 향후 연구를 위한 표준화된 벤치마크를 제공하여 분야의 현재 진전을 통합한다.
• 다양한 가족 관계 기반 작업을 위한 데모 코드가 공개되어 재현 가능성을 보장하고 향후 혁신을 가속화한다.
• 이 작업은 향후 10년간 시각적 가족 관계 인식 분야의 연구 중심 기준점으로서의 위치를 확립한다.