OpenFilter：一个使社交媒体 AR 滤镜研究访问民主化的框架
计算机视觉与模式识别
2022-09-28 v3 人工智能
摘要
自拍上的增强现实（AR）滤镜在社交媒体平台上已非常流行，应用于营销、娱乐和美学等多种场景。鉴于 AR 人脸滤镜的广泛采用以及人脸在我们社会结构和关系中的重要性，科学界从心理学、艺术和社会学视角分析此类滤镜影响的兴趣日益增长。然而，该领域定量研究甚少，主要由于缺乏带有应用 AR 滤镜的人脸图像公开数据集。大多数社交媒体平台的专有、封闭特性不允许用户、科学家和从业者访问可用 AR 人脸滤镜的代码与细节。从这些平台抓取人脸以收集数据在伦理上不可接受，因此研究中应避免。本文中，我们提出 OpenFilter，一个灵活框架，用于将社交媒体平台中可用的 AR 滤镜应用于现有人脸大规模集合。此外，我们分享了 FairBeauty 和 B-LFW，即公开可用的 FairFace 和 LFW 数据集的两个美化版本，并概述了从这些美化数据集分析中得出的见解。
引用
@article{arxiv.2207.12319,
title = {OpenFilter: A Framework to Democratize Research Access to Social Media AR Filters},
author = {Piera Riccio and Bill Psomas and Francesco Galati and Francisco Escolano and Thomas Hofmann and Nuria Oliver},
journal= {arXiv preprint arXiv:2207.12319},
year = {2022}
}