技術用語集
技術用語集
技術用語集. 許可された写真、一括、集合写真の対応付け、動画、GIFに対応するブラウザ型AI顔交換。 Conteúdo localizado: ja. 情報源確認済みの比較.
実用ガイド
技術用語集
技術用語集の用途、境界、確認方法を日本語で説明します。以下の検証済み本文では製品の事実、数値、リンク、出典をそのまま保持しています。利用するメディアの許可を確認してください。
情報源確認済みの比較: 許可された写真、一括、集合写真の対応付け、動画、GIFに対応するブラウザ型AI顔交換。
直接回答
顔交換の用語には定義と限界が必要
ソース顔はアイデンティティの手がかりを提供します。ターゲットメディアはシーンと意図された非アイデンティティ属性を提供します。検出、アライメント、マスキング、生成はワークフローの一部を説明し、アイデンティティ類似性、知覚指標、人間によるレビューは異なる評価の質問に答えます。
実装の境界： このページは、研究論文、評価プロトコル、およびC2PA仕様書に見られる用語を説明しています。ここでの引用は、DeepSwapAIが名前の挙げられたすべての手法、アーキテクチャ、モデル、指標、または来歴機能を使用していることを意味するものではありません。
用語索引
必要な概念にジャンプ
ワークフローの基礎
ワークフローの基礎
顔交換ワークフローに入力されるものを定義するメディアの役割と幾何学的前処理用語。
フェイススワップ
#別名： AI顔交換、フェイススワッピング
ソース顔からターゲット画像またはビデオにアイデンティティ情報を転送し、ポーズ、表情、髪型、背景などのターゲット属性を維持しようとするコンピュータビジョンタスク。
証拠の境界： これはタスクの定義であり、すべてのシステムがすべての属性を保存することや、特定の使用に許可があることを保証するものではありません。
主要ソース： PixSwap: High-Resolution Face Swapping for Effective Reflection of Identity via Diffusion; Fine-Grained Face Swapping via Regional GAN Inversion
元の顔
#別名： ソースアイデンティティ、アイデンティティリファレンス
生成された顔に意図されたアイデンティティ情報を提供する人物または参照画像。
証拠の境界： ソースは通常、ターゲットシーン、体、髪、ポーズ、または背景を定義しません。正確な分割は方法に依存します。
主要ソース： PixSwap: High-Resolution Face Swapping for Effective Reflection of Identity via Diffusion; Reinforced Disentanglement for Face Swapping without Skip Connection
ターゲットメディア
#別名： ターゲット画像、ターゲットビデオ
シーンと、顔交換手法が保持しようとする非アイデンティティ属性を提供する画像またはビデオ。
証拠の境界： 方法によって保持するターゲット属性が異なるため、ターゲットの保存は想定ではなく評価されなければなりません。
主要ソース： PixSwap: High-Resolution Face Swapping for Effective Reflection of Identity via Diffusion; DynamicFace: High-Quality and Consistent Face Swapping for Image and Video
顔検出
#別名： 顔位置特定、顔ローカリゼーション
位置合わせ、特徴抽出、または生成の前に、画像またはビデオフレーム内の1つ以上の顔領域を特定するプロセス。
証拠の境界： 検出された顔領域は、アイデンティティの判断、同意の確認、または後続の処理が成功するという証明ではありません。
主要ソース： RetinaFace: Single-Shot Multi-Level Face Localisation in the Wild
顔のランドマーク
#別名： 顔ランドマーク、ランドマークポイント
目の端、鼻、口の位置など、推定された顔のキーポイント。顔の形状を記述して位置合わせや条件付けに使用されます。
証拠の境界： ランドマークのレイアウト、ポイント数、エラー単位は検出器とプロトコルによって異なり、直接交換可能ではありません。
主要ソース： RetinaFace: Single-Shot Multi-Level Face Localisation in the Wild; DiffSwap: High-Fidelity and Controllable Face Swapping via 3D-Aware Masked Diffusion
顔の位置合わせ
#別名： 顔アライメント、アライメントされた顔クロップ
検出された顔の構造を使用して、後の処理のために顔を一貫した切り抜き、スケール、向きに配置する幾何学的正規化ステップ。
証拠の境界： アライメントの規則と変換は異なり、アライメントされたクロップはアイデンティティ、品質、または許可を確立するものではありません。
主要ソース： RetinaFace: Single-Shot Multi-Level Face Localisation in the Wild; ArcFace: Additive Angular Margin Loss for Deep Face Recognition
アイデンティティと保存
アイデンティティと保存
ソース顔のアイデンティティ手がかりを、結果が保持しようとするターゲット属性から分離するために使用される概念。
顔埋め込み
#別名： アイデンティティ埋め込み、顔特徴ベクトル
特定の認識モデルと前処理プロトコルの下で、特徴空間内で顔画像を比較できるように設計された学習済みの数値表現。
証拠の境界： ベクトル次元、距離関数、決定閾値はモデルと評価設定に依存します。埋め込みは本質的にアイデンティティの判定ではなく、数学的に再構築不可能であることが保証されているわけでもありません。
主要ソース： ArcFace: Additive Angular Margin Loss for Deep Face Recognition
アイデンティティ類似度
#別名： アイデンティティ保持、アイデンティティ保存スコア
名前付きの顔エンコーダと類似度関数から一般的に計算される、ソースアイデンティティと出力表現の間のプロトコル依存の比較。
証拠の境界： スコアはエンコーダ、クロップ、データセット、閾値、人口統計間で移植可能ではなく、1つの出力に対する生体認証判定として提示されるべきではありません。
主要ソース： ArcFace: Additive Angular Margin Loss for Deep Face Recognition; PixSwap: High-Resolution Face Swapping for Effective Reflection of Identity via Diffusion
ターゲット属性保存
#別名： 属性保存、ターゲット一貫性
顔のアイデンティティ情報を変更しながら、ポーズ、表情、髪型、照明、服装、背景などの意図されたターゲット特性を結果がどの程度保持するか。
証拠の境界： 評価される属性と推定器は名前が指定されなければなりません。1つの総合スコアは個々の属性の失敗を隠蔽する可能性があります。
主要ソース： PixSwap: High-Resolution Face Swapping for Effective Reflection of Identity via Diffusion; DynamicFace: High-Quality and Consistent Face Swapping for Image and Video
顔マスク
#別名： スワップマスク、顔マスク
顔交換操作の一部として生成、ブレンド、または評価できる画像領域を識別する空間マップ。
証拠の境界： マスクの構築と意味論は方法によって異なり、マスク自体ではオクルージョン、境界、色の不一致を解決しません。
主要ソース： DiffSwap: High-Fidelity and Controllable Face Swapping via 3D-Aware Masked Diffusion; Fine-Grained Face Swapping via Regional GAN Inversion
顔解析
#別名： 顔意味論的セグメンテーション
肌、目、口、髪、背景などの顔の構成要素と周辺領域のピクセルレベルのセマンティックセグメンテーション。
証拠の境界： ラベルセットとセグメンテーション品質はパーサーとデータセットに依存し、誤った領域が後の合成やコンポジットに伝播する可能性があります。
主要ソース： Fine-Grained Face Swapping via Regional GAN Inversion
顔境界ブレンディング
#別名： 境界ブレンディング、顔コンポジット
合成された顔領域を、肌の色調、エッジ、照明、周囲のコンテンツに基づいてターゲットに遷移させる合成ステップ。
証拠の境界： 視覚的に滑らかな境界は、正しいアイデンティティ、自然な内部特徴、またはビデオフレーム間の一貫した動作を確立するものではありません。
主要ソース： Fine-Grained Face Swapping via Regional GAN Inversion; Reinforced Disentanglement for Face Swapping without Skip Connection
オクルージョン
#別名： 顔の遮蔽、遮蔽された顔
顔の一部が髪、手、メガネ、物体、他の人物、または画像の境界によって隠されている状態。
証拠の境界： オクルージョン処理は方法とシーンに依存します。ベンチマークは影響を受ける領域と視聴条件を指定しなければなりません。
主要ソース： Fine-Grained Face Swapping via Regional GAN Inversion; DynamicFace: High-Quality and Consistent Face Swapping for Image and Video
頭部姿勢
#別名： 顔のポーズ、頭部の向き
カメラに対する頭部の推定された向き。多くの場合、ヨー、ピッチ、ロール、またはランドマークと3Dパラメータで表されます。
証拠の境界： ポーズ値は推定器と座標規則に依存し、ポーズのみを一致させても出力のリアリズムを予測できません。
主要ソース： DiffSwap: High-Fidelity and Controllable Face Swapping via 3D-Aware Masked Diffusion; PixSwap: High-Resolution Face Swapping for Effective Reflection of Identity via Diffusion
表情
#別名： 表情保存
笑顔、まばたき、口を開けるなどの動きに関連する顔の特徴の可視構成。顔交換においてターゲット属性として扱われることが多い。
証拠の境界： 表情ラベルとパラメータは推定器に依存し、微妙で非対称な、または文化的に解釈される動作を見逃す可能性があります。
主要ソース： PixSwap: High-Resolution Face Swapping for Effective Reflection of Identity via Diffusion; DynamicFace: High-Quality and Consistent Face Swapping for Image and Video
ビデオの一貫性
ビデオの一貫性
単一静止画像には存在しない、動きとフレームシーケンスの概念。
時間的一貫性
#別名： 時間的コヒーレンス、フレーム間一貫性
孤立したフレームではなく、連続するビデオフレーム全体にわたるアイデンティティ情報、ターゲット属性、および視覚的詳細の安定性。
証拠の境界： 高い一貫性測定値は誤った結果を一貫して保存する可能性があるため、アイデンティティの正確性と可視品質は別々に評価されなければなりません。
主要ソース： DynamicFace: High-Quality and Consistent Face Swapping for Image and Video; CanonSwap: High-Fidelity and Consistent Video Face Swapping via Canonical Space Modulation
オプティカルフロー
#別名： 動き場、ピクセル対応
フレーム間の画像位置をマッピングする推定された密な動きの場であり、動き解析、ワーピング、または時間的診断をサポートできます。
証拠の境界： オプティカルフローは推定値であり、オクルージョン、ぼけ、照明変化、新たに可視化された領域の周辺で失敗する可能性があります。それ自体は品質スコアではありません。
主要ソース： RAFT: Recurrent All-Pairs Field Transforms for Optical Flow; CanonSwap: High-Fidelity and Consistent Video Face Swapping via Canonical Space Modulation
評価
評価
明示的な条件下で異なる品質の質問に答える指標とレビュープロトコル。
Structural Similarity Index (SSIM)
#別名： SSIM
テスト画像と参照画像の間の輝度、コントラスト、構造を比較する全参照画像類似度尺度。
証拠の境界： SSIMは意味のあるアライメントされた参照を必要とし、顔固有ではなく、その値はスケール、ウィンドウ処理、色処理、前処理に依存します。
主要ソース： Image Quality Assessment: From Error Visibility to Structural Similarity
Learned Perceptual Image Patch Similarity (LPIPS)
#別名： LPIPS、学習済み知覚類似性
画像パッチの類似性に関する人間の判断に対して評価された、深層ネットワーク特徴に基づく知覚的距離。
証拠の境界： LPIPSはアイデンティティスコアではありません。値は選択されたネットワーク、キャリブレーション、画像準備、比較プロトコルに依存します。
主要ソース： The Unreasonable Effectiveness of Deep Features as a Perceptual Metric
Frechet Inception Distance (FID)
#別名： FID
生成画像コレクションと参照画像コレクションからの特徴分布間のセットレベルの距離。元々はInception特徴で計算されました。
証拠の境界： FIDは防御可能な単一画像スコアではなく、結果はサンプル数、特徴抽出器、前処理、参照セット、実装に依存します。
主要ソース： GANs Trained by a Two Time-Scale Update Rule Converge to a Local Nash Equilibrium; Rethinking FID: Towards a Better Evaluation Metric for Image Generation
ノーリファレンス品質評価
#別名： NR-IQA、ブラインド画像品質評価
ペアの完全な参照画像を必要とせずに、出力から視覚品質を推定する方法。
証拠の境界： その有効性はトレーニングデータと検証設計に依存し、スコアは未知の方法、コンテンツ、または歪みで失敗する可能性があります。
主要ソース： Rank-based No-reference Quality Assessment for Face Swapping
人間によるレビュースコアカード
#別名： 人間評価ルーブリック、出力レビュールーブリック
レビュアーが特定の出力に対して、目に見える基準、評価アンカー、重要なゲート、およびメモを記録するための反復可能なルーブリック。
証拠の境界： 構造化された人間の観察を記録するものであり、モデルの精度、生体認証アイデンティティ、確率、またはプロバイダ全体のランキングではありません。
主要ソース： DeepSwapAI 顔交換出力品質スコアカード; Rank-based No-reference Quality Assessment for Face Swapping
来歴
来歴
デジタルコンテンツの出所とそれに何が起こったかを記録するための標準。
C2PA
#別名： コンテンツ来歴と信頼性のための連合
署名されたマニフェスト、アサーション、構成要素、およびクレームを通じて、デジタルコンテンツに関する改ざんが明らかな出典情報を記録するためのオープンな技術標準。
証拠の境界： C2PAは来歴の証拠と改ざんシグナルを提供できますが、仕様書は描かれたコンテンツが真実、正確、または倫理的に許可されているかどうかを判断するものではありません。
コンテンツクレデンシャル
#別名： C2PAコンテンツクレデンシャル、コンテンツ来歴クレデンシャル
C2PAエコシステムを通じてデジタルアセットに関連付けられた出典情報のユーザー向け表示。
証拠の境界： 可用性と表示される詳細は、クレデンシャル、署名者、検証者、アセット、プラットフォームに依存します。クレデンシャルはコンテンツが事実上真実であるという宣言ではありません。
指標の解釈
誤解を招く比較を防ぐ4つのルール
関係に名前を付ける
アイデンティティ指標は通常、出力をソースアイデンティティと比較します。ポーズと表情の保存は通常、出力をターゲットと比較します。これらは異なる質問です。
プロトコルを一定に保つ
データセット、クロップ、評価器、前処理、実装、サンプル数、集約はすべて報告値を変える可能性があります。共有された指標名だけでは十分ではありません。
セットレベルと単一出力の証拠を分離する
FIDは画像セットの分布を説明します。SSIMとLPIPSは意味のある比較参照を必要とします。人間スコアカードは、レビューされた1つの出力に関する可視観察を記録します。
すべての品質次元をまとめない
アイデンティティ、ターゲット属性保存、境界、オクルージョン、技術的完全性、時間的安定性は独立して失敗する可能性があり、検査可能なままにしておくべきです。
バージョン管理された決定マップを使用： 顔交換評価指標マップ 顔交換評価指標マップ これらの用語を比較対象の入力、プロトコルレベル、前提条件、解釈の方向性、および主要ソースに接続します。そのJSON、CSV、およびBibTeXレコードは以下にリストされています。 にリストされています。.
用語集の質問
これらの定義の使用方法
このページは正確なDeepSwapAIモデルスタックを明らかにしますか？
いいえ。引用されたすべての手法が本番実装の一部であると主張することなく、業界と研究の概念を定義します。
同じ指標を2つの論文間で比較できますか？
データセット、評価器、前処理、実装、集約ルールが一致することを確認した後でのみ可能です。
FIDは1つの出力を測定できますか？
いいえ。FIDは分布レベルの尺度であり、生成画像セットと参照画像セットが必要です。
コンテンツクレデンシャルは画像が真実であることを証明しますか？
いいえ。それらは、事実の真偽判断ではなく、出典情報と検証シグナルを提供します。
顔交換を始める
許可された写真、一括、集合写真の対応付け、動画、GIFに対応するブラウザ型AI顔交換。