講演抄録/キーワード |
講演名 |
2017-05-26 09:50
機械学習を用いた個人の顔特徴に応じたメイク顔の生成 ○辻 亜友実・瀬尾昌孝(立命館大)・武藤祐子(横浜国大)・陳 延偉(立命館大) SIP2017-14 IE2017-14 PRMU2017-14 MI2017-14 |
抄録 |
(和) |
本研究の目的は,機械学習を用いて個人の顔特徴(テクスチャ情報)を考慮したメイク後のテクスチ ャ推定を行うことである.メイクシミュレータとして,単に顔画像に対してメイク画像を転写するシステムがある. これらは個人の顔特徴に応じたシミュレーションではない.そこで,本研究では素肌画像と美容師によるメイク画 像を学習データとし,主成分分析とサポートベクトル回帰を用いて美容師の経験を学習し,機械学習によるメイク 後のテクスチャ推定を行うことで,個人の顔特徴に応じたメイク顔の生成を実現した.また,メイク付与したテク スチャを三次元再構成した顔画像に転写し,顔特徴や表情,視点によるメイクの印象の違いをユーザ自身が客観的 に評価できるようした. |
(英) |
We proposed a machine learning based method for automatic generation of user-specific make-up facial images. In our proposed method, we used pairs of natural (non-makeup) image and makeup image as training data to learn the mapping function between the natural image and the make-up image. We used the support vector regression method for mapping function learning. The learned mapping function is used to estimate the make-up facial image of a new natural image. Compared with conventional make-up simulation systems, which just transfer the make-up texture to user’s facial images, our proposed method can generate a user-specific make-up facial images like make-up artists did. We also developed a 3D make-up generation system. |
キーワード |
(和) |
機械学習 / 主成分分析 / サポートベクトル回帰 / / / / / |
(英) |
machine larning / SVR / PCA / / / / / |
文献情報 |
信学技報, vol. 117, no. 48, IE2017-14, pp. 71-74, 2017年5月. |
資料番号 |
IE2017-14 |
発行日 |
2017-05-18 (SIP, IE, PRMU, MI) |
ISSN |
Print edition: ISSN 0913-5685 Online edition: ISSN 2432-6380 |
著作権に ついて |
技術研究報告に掲載された論文の著作権は電子情報通信学会に帰属します.(許諾番号:10GA0019/12GB0052/13GB0056/17GB0034/18GB0034) |
PDFダウンロード |
SIP2017-14 IE2017-14 PRMU2017-14 MI2017-14 |
研究会情報 |
研究会 |
PRMU IE MI SIP |
開催期間 |
2017-05-25 - 2017-05-26 |
開催地(和) |
名古屋工業大学 |
開催地(英) |
|
テーマ(和) |
医療・ヘルスケアのための生体信号・画像解析と理解 |
テーマ(英) |
|
講演論文情報の詳細 |
申込み研究会 |
IE |
会議コード |
2017-05-PRMU-IE-MI-SIP |
本文の言語 |
日本語 |
タイトル(和) |
機械学習を用いた個人の顔特徴に応じたメイク顔の生成 |
サブタイトル(和) |
|
タイトル(英) |
Automatic Generation of User-Specific Make-up Facial Image Based on Machine Learning |
サブタイトル(英) |
|
キーワード(1)(和/英) |
機械学習 / machine larning |
キーワード(2)(和/英) |
主成分分析 / SVR |
キーワード(3)(和/英) |
サポートベクトル回帰 / PCA |
キーワード(4)(和/英) |
/ |
キーワード(5)(和/英) |
/ |
キーワード(6)(和/英) |
/ |
キーワード(7)(和/英) |
/ |
キーワード(8)(和/英) |
/ |
第1著者 氏名(和/英/ヨミ) |
辻 亜友実 / Ayumi Tsuji / ツジ アユミ |
第1著者 所属(和/英) |
立命館大学 (略称: 立命館大)
Ritsumeikan University (略称: Ritsumeikan Univ.) |
第2著者 氏名(和/英/ヨミ) |
瀬尾 昌孝 / Masataka Seo / セオ マサタカ |
第2著者 所属(和/英) |
立命館大学 (略称: 立命館大)
Ritsumeikan University (略称: Ritsumeikan Univ.) |
第3著者 氏名(和/英/ヨミ) |
武藤 祐子 / Yuko Mutoh / ムトウ ユウコ |
第3著者 所属(和/英) |
横浜国立大学 (略称: 横浜国大)
Yokohama National University (略称: Yokohama National Univ.) |
第4著者 氏名(和/英/ヨミ) |
陳 延偉 / Yen-Wei Chen / チン エンイ |
第4著者 所属(和/英) |
立命館大学 (略称: 立命館大)
Ritsumeikan University (略称: Ritsumeikan Univ.) |
第5著者 氏名(和/英/ヨミ) |
/ / |
第5著者 所属(和/英) |
(略称: )
(略称: ) |
第6著者 氏名(和/英/ヨミ) |
/ / |
第6著者 所属(和/英) |
(略称: )
(略称: ) |
第7著者 氏名(和/英/ヨミ) |
/ / |
第7著者 所属(和/英) |
(略称: )
(略称: ) |
第8著者 氏名(和/英/ヨミ) |
/ / |
第8著者 所属(和/英) |
(略称: )
(略称: ) |
第9著者 氏名(和/英/ヨミ) |
/ / |
第9著者 所属(和/英) |
(略称: )
(略称: ) |
第10著者 氏名(和/英/ヨミ) |
/ / |
第10著者 所属(和/英) |
(略称: )
(略称: ) |
第11著者 氏名(和/英/ヨミ) |
/ / |
第11著者 所属(和/英) |
(略称: )
(略称: ) |
第12著者 氏名(和/英/ヨミ) |
/ / |
第12著者 所属(和/英) |
(略称: )
(略称: ) |
第13著者 氏名(和/英/ヨミ) |
/ / |
第13著者 所属(和/英) |
(略称: )
(略称: ) |
第14著者 氏名(和/英/ヨミ) |
/ / |
第14著者 所属(和/英) |
(略称: )
(略称: ) |
第15著者 氏名(和/英/ヨミ) |
/ / |
第15著者 所属(和/英) |
(略称: )
(略称: ) |
第16著者 氏名(和/英/ヨミ) |
/ / |
第16著者 所属(和/英) |
(略称: )
(略称: ) |
第17著者 氏名(和/英/ヨミ) |
/ / |
第17著者 所属(和/英) |
(略称: )
(略称: ) |
第18著者 氏名(和/英/ヨミ) |
/ / |
第18著者 所属(和/英) |
(略称: )
(略称: ) |
第19著者 氏名(和/英/ヨミ) |
/ / |
第19著者 所属(和/英) |
(略称: )
(略称: ) |
第20著者 氏名(和/英/ヨミ) |
/ / |
第20著者 所属(和/英) |
(略称: )
(略称: ) |
講演者 |
第1著者 |
発表日時 |
2017-05-26 09:50:00 |
発表時間 |
30分 |
申込先研究会 |
IE |
資料番号 |
SIP2017-14, IE2017-14, PRMU2017-14, MI2017-14 |
巻番号(vol) |
vol.117 |
号番号(no) |
no.47(SIP), no.48(IE), no.49(PRMU), no.50(MI) |
ページ範囲 |
pp.71-74 |
ページ数 |
4 |
発行日 |
2017-05-18 (SIP, IE, PRMU, MI) |
|