論文の概要: A Multi-Task Comparator Framework for Kinship Verification
- arxiv url: http://arxiv.org/abs/2006.01615v1
- Date: Tue, 2 Jun 2020 14:00:09 GMT
- ステータス: 処理完了
- システム内更新日: 2022-11-26 00:37:51.373937
- Title: A Multi-Task Comparator Framework for Kinship Verification
- Title(参考訳): kinship 検証のためのマルチタスクコンパレータフレームワーク
- Authors: Stefan H\"ormann, Martin Knoche, Gerhard Rigoll
- Abstract要約: 親族鑑定は、しばしば顔の識別特徴間のコサイン距離に依存する。
これらの特徴に固有のジェンダーバイアスは、2つの反対ジェンダーペアが関連しているかどうかを確実に予測することを困難にしている。
RFIW Challenge 2020の2つのトラックで、我々のフレームワークは、この性別バイアスに対して堅牢であり、同等の結果が得られることを示す。
- 参考スコア(独自算出の注目度): 5.908471365011942
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Approaches for kinship verification often rely on cosine distances between
face identification features. However, due to gender bias inherent in these
features, it is hard to reliably predict whether two opposite-gender pairs are
related. Instead of fine tuning the feature extractor network on kinship
verification, we propose a comparator network to cope with this bias. After
concatenating both features, cascaded local expert networks extract the
information most relevant for their corresponding kinship relation. We
demonstrate that our framework is robust against this gender bias and achieves
comparable results on two tracks of the RFIW Challenge 2020. Moreover, we show
how our framework can be further extended to handle partially known or unknown
kinship relations.
- Abstract(参考訳): 親族認証のアプローチは、しばしば顔の識別特徴間の余弦距離に依存する。
しかし、これらの特徴に固有の性別バイアスのため、2つの反対のジェンダーペアが関連しているかどうかを確実に予測することは困難である。
特徴抽出器ネットワークを親和性検証に微調整する代わりに,このバイアスに対処するコンパレータネットワークを提案する。
両方の特徴を結合した後、カスケードされたローカル専門家ネットワークは、対応する親族関係に最も関係のある情報を抽出する。
RFIW Challenge 2020の2つのトラックで、我々のフレームワークは、この性別バイアスに対して堅牢であり、同等の結果が得られることを実証する。
さらに、我々のフレームワークをさらに拡張して、部分的に知られているか未知の血縁関係を扱えるかを示す。
関連論文リスト
- Free Lunch for Gait Recognition: A Novel Relation Descriptor [39.01813894844141]
テスト歩行と事前選択した歩行アンカーの関係をキャプチャする新しい$textbfRelation Descriptor$を提案する。
GREW, Gait3D, OU-M, CASIA-B, CCPGに対する本法の有効性を検討した。
論文 参考訳(メタデータ) (2023-08-22T15:06:14Z) - Local Consensus Enhanced Siamese Network with Reciprocal Loss for
Two-view Correspondence Learning [35.5851523517487]
2視点対応学習は通常、一致の信頼性と相対的なポーズを共同で予測するエンドツーエンドネットワークを確立する。
本稿では,既存のモデルの特徴を増強するローカル・フィーチャー・コンセンサス (LFC) プラグイン・ブロックを提案する。
我々は既存のモデルを相互予測の監督を生かした相互損失を伴うシームズネットワークに拡張する。
論文 参考訳(メタデータ) (2023-08-06T22:20:09Z) - Birds of a Feather Trust Together: Knowing When to Trust a Classifier
via Adaptive Neighborhood Aggregation [30.34223543030105]
我々は、NeighborAggがアダプティブ近隣アグリゲーションを介して2つの重要な情報を利用する方法を示す。
また, 誤り検出の密接な関連課題へのアプローチを拡張し, 偽陰性境界に対する理論的カバレッジを保証する。
論文 参考訳(メタデータ) (2022-11-29T18:43:15Z) - Fairness and robustness in anti-causal prediction [73.693135253335]
分散シフトと公平性に対するロバストさは、機械学習モデルに必要な2つの重要なデシラタとして独立に現れている。
これら2つのデシダラタは関連しているように見えるが、実際にはその関連性はしばしば不明である。
この観点から見れば、共通フェアネス基準(分離)とロバストネスの共通概念との明確な関係を描いています。
論文 参考訳(メタデータ) (2022-09-20T02:41:17Z) - Are Two Heads the Same as One? Identifying Disparate Treatment in Fair
Neural Networks [38.14455334700671]
人口密度を満足するディープニューラルネットワークは、人種や性意識の形で実現可能であることを示す。
フェアネスを強制する簡単な2段階の解法を提案する。
論文 参考訳(メタデータ) (2022-04-09T10:07:02Z) - Correlation-Aware Deep Tracking [83.51092789908677]
本稿では,自己/横断的意図に着想を得た,新たなターゲット依存型特徴ネットワークを提案する。
我々のネットワークは機能ネットワークの複数の層にクロスイメージの特徴相関を深く埋め込んでいる。
我々のモデルは、豊富な未ペア画像に対して柔軟に事前訓練が可能であり、既存の手法よりも顕著に高速な収束をもたらす。
論文 参考訳(メタデータ) (2022-03-03T11:53:54Z) - Learning with Instance Bundles for Reading Comprehension [61.823444215188296]
質問応答スコアを複数の関連インスタンスで比較する新しい監視手法を提案する。
具体的には、密接に対照的な質問や回答のさまざまな近所でこれらのスコアを正規化します。
2つのデータセット上のインスタンスバンドルによるトレーニングの有効性を実証的に実証する。
論文 参考訳(メタデータ) (2021-04-18T06:17:54Z) - Learning to Decouple Relations: Few-Shot Relation Classification with
Entity-Guided Attention and Confusion-Aware Training [49.9995628166064]
本稿では,2つのメカニズムを備えたモデルであるCTEGを提案する。
一方、注意を誘導するEGA機構を導入し、混乱を引き起こす情報をフィルタリングする。
一方,コンフュージョン・アウェア・トレーニング(CAT)法は,関係の識別を明示的に学習するために提案されている。
論文 参考訳(メタデータ) (2020-10-21T11:07:53Z) - Robust Person Re-Identification through Contextual Mutual Boosting [77.1976737965566]
本研究では,歩行者の局地化を目的としたコンテキスト相互ブースティングネットワーク(CMBN)を提案する。
歩行者をローカライズし、文脈情報と統計的推測を効果的に活用することで特徴を再検討する。
ベンチマークの実験は、最先端のアーキテクチャと比較してアーキテクチャの優位性を示している。
論文 参考訳(メタデータ) (2020-09-16T06:33:35Z) - Deep Fusion Siamese Network for Automatic Kinship Verification [20.360475286657877]
本研究では,2個体間の相対的類似性を定量化するディープサイムズネットワークを提案する。
2つのディープ・サイムズ・ネットワークは3つのオブジェクト(すなわち父、母、子)の親子関係検証のためのディープ・トリプルト・ネットワークに統合される。
論文 参考訳(メタデータ) (2020-05-30T01:43:59Z) - Cascaded Human-Object Interaction Recognition [175.60439054047043]
マルチステージで粗大なHOI理解のためのカスケードアーキテクチャを提案する。
各段階で、インスタンスローカライゼーションネットワークは、HOI提案を段階的に洗練し、インタラクション認識ネットワークにフィードする。
慎重に設計された人間中心の関係機能により、これらの2つのモジュールは効果的な相互作用理解に向けて協調的に機能する。
論文 参考訳(メタデータ) (2020-03-09T17:05:04Z)
関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。
指定された論文の情報です。
本サイトの運営者は本サイト(すべての情報・翻訳含む)の品質を保証せず、本サイト(すべての情報・翻訳含む)を使用して発生したあらゆる結果について一切の責任を負いません。