[论文解读] 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 4

一句话总结

本文对过去十年视觉亲缘关系识别的研究进行了全面综述，回顾了公开数据集、基准挑战以及识别与生成任务的最先进方法。它为未来研究奠定了标准化基础，并发布了关键亲缘关系任务的演示代码，标志着该领域进入新发展阶段的重要里程碑。

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.

研究动机与目标

• 整合并回顾过去十年中视觉亲缘关系识别领域所取得的进展。
• 分析推动自动亲缘关系识别创新的公开数据集和数据挑战。
• 在亲缘关系识别任务中统一术语和术语语法，以确保研究的一致性。
• 评估视觉亲缘关系识别中判别与生成任务的最先进方法。
• 提供一个中心化、可重用的资源，附带演示代码，以指导该领域的未来研究。

提出的方法

• 系统性地回顾对视觉亲缘关系识别发展有贡献的公开数据集和数据挑战。
• 对不同亲缘关系识别任务的技术组件和语法进行分类与描述，包括关系分类和图像生成。
• 分析在2020年IEEE FG亲缘关系识别挑战背景下提出的最先进模型。
• 为跨不同视觉亲缘关系识别任务的方法比较建立一致的评估框架。
• 发布各种基于亲缘关系任务的演示代码，以支持可复现性和未来基准测试。
• 综述视觉亲缘关系识别的判别与生成方法，突出关键的方法论趋势。

实验结果

研究问题

• RQ1 过去十年中，哪些公开数据集和数据挑战对视觉亲缘关系识别的发展起到了最显著的推动作用？
• RQ2 不同亲缘关系识别任务中的技术方法和评估标准如何演变？
• RQ3 从视觉数据中分类亲缘关系的当前最先进方法是什么？
• RQ4 生成模型如何促进视觉亲缘关系识别，其实际意义是什么？
• RQ5 什么样的标准化框架和资源可以支持视觉亲缘关系识别的未来研究？

主要发现

• 本文识别并回顾了推动视觉亲缘关系识别进展的关键公开数据集和数据挑战。
• 它在不同亲缘关系识别问题之间建立了统一的技术语法和任务定义，提升了研究的一致性。
• 对视觉亲缘关系识别的最先进方法（包括2020年IEEE FG挑战中的方法）进行了系统评估与比较。
• 该综述为未来研究提供了标准化基准，整合了该领域当前的进展。
• 发布了各种基于亲缘关系任务的演示代码，支持可复现性并加速未来创新。
• 本工作定位为未来十年视觉亲缘关系识别研究的中心参考点。