論文の概要: The Criminality From Face Illusion
- arxiv url: http://arxiv.org/abs/2006.03895v2
- Date: Wed, 18 Nov 2020 16:13:49 GMT
- ステータス: 処理完了
- システム内更新日: 2022-11-24 21:58:45.176966
- Title: The Criminality From Face Illusion
- Title（参考訳）: 顔の錯覚による犯罪
- Authors: Kevin W. Bowyer, Michael King, Walter Scheirer and Kushal Vangara
- Abstract要約: 近年の出版物は、犯罪/非犯罪としての地位を予測するために、人の顔のイメージを分析することに成功していると主張した。
我々は、顔から犯罪を犯そうとする試みは、必ず失敗する運命にあると論じている。
- 参考スコア（独自算出の注目度）: 7.621042840600366
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: The automatic analysis of face images can generate predictions about a
person's gender, age, race, facial expression, body mass index, and various
other indices and conditions. A few recent publications have claimed success in
analyzing an image of a person's face in order to predict the person's status
as Criminal / Non-Criminal. Predicting criminality from face may initially seem
similar to other facial analytics, but we argue that attempts to create a
criminality-from-face algorithm are necessarily doomed to fail, that apparently
promising experimental results in recent publications are an illusion resulting
from inadequate experimental design, and that there is potentially a large
social cost to belief in the criminality from face illusion.
- Abstract（参考訳）: 顔画像の自動解析は、人の性別、年齢、人種、表情、身体質量指数、その他のさまざまな指標や状況に関する予測を生成することができる。
いくつかの最近の出版物は、犯罪/非犯罪としての地位を予測するために人の顔のイメージを分析することに成功したと主張している。
顔から犯罪を予測することは、最初は他の顔分析と似ているように思えるかもしれないが、私たちは、犯罪から顔からアルゴリズムを作成する試みは必ず失敗し、最近の出版物で実験結果が期待できるような錯覚は、不適切な実験デザインから生じる錯覚であり、顔の錯覚から犯罪を信じるための社会的コストが大きい可能性があると主張している。
関連論文リスト
- ID-Guard: A Universal Framework for Combating Facial Manipulation via Breaking Identification [60.73617868629575]
深層学習に基づく顔操作の誤用は、公民権に対する潜在的な脅威となる。
この不正行為を防ぐため、プロアクティブな防御技術が提案され、操作プロセスを妨害した。
我々は,ID-Guardと呼ばれる,顔操作と戦うための新しい普遍的枠組みを提案する。
論文 参考訳（メタデータ） (2024-09-20T09:30:08Z) - Exploring Decision-based Black-box Attacks on Face Forgery Detection [53.181920529225906]
顔の偽造生成技術は鮮明な顔を生み出し、セキュリティとプライバシーに対する世間の懸念を高めている。
顔偽造検出は偽の顔の識別に成功しているが、最近の研究では顔偽造検出は敵の例に対して非常に脆弱であることが示されている。
論文 参考訳（メタデータ） (2023-10-18T14:49:54Z) - Explaining Deep Face Algorithms through Visualization: A Survey [57.60696799018538]
本研究は、顔領域における説明可能性アルゴリズムの第一種メタ分析を行う。
既存のフェース説明可能性について概観し、フェースネットワークの構造と階層に関する貴重な知見を明らかにする。
論文 参考訳（メタデータ） (2023-09-26T07:16:39Z) - A Data-Theoretic Approach to Identifying Violent Facial Expressions in
Social Crime Contexts [0.0]
我々は,犯罪を犯す意図があるかどうかを検知できる畳み込みニューラルネットワークを用いて,自動システムの設計を行った。
ここでは,地域住民の暴力的・前犯罪的な顔パターンを表現できる特定の地理的領域の顔データのみを用いた。
論文 参考訳（メタデータ） (2023-08-16T20:12:43Z) - Robustness Disparities in Face Detection [64.71318433419636]
本稿では,その顔検出システムの詳細なベンチマークとして,商業モデルと学術モデルのノイズに対する頑健性について検討する。
すべてのデータセットやシステム全体で、$textitmasculineである個人の写真が$textitdarker skin type$$$、$textitdarker$、または$textitdim lighting$は、他のIDよりもエラーの影響を受けやすい。
論文 参考訳（メタデータ） (2022-11-29T05:22:47Z) - Digital and Physical Face Attacks: Reviewing and One Step Further [31.780516471483985]
顔提示攻撃(FPA)は、不信感を強く訴えている。
物理的な顔攻撃に加えて、顔のビデオや画像は、悪意のあるハッカーが立ち上げた様々なデジタル攻撃技術に弱い。
本調査は,既存の文献を網羅的に分析し,さらなる注意を要する課題を明らかにすることにより,顔鑑定の整合性を高めることを目的とする。
論文 参考訳（メタデータ） (2022-09-29T11:25:52Z) - Restricted Black-box Adversarial Attack Against DeepFake Face Swapping [70.82017781235535]
本稿では,顔画像偽造モデルに対する問い合わせを一切必要としない現実的な敵攻撃を提案する。
本手法は,顔の再構成を行う代用モデルに基づいて構築され,置換モデルから非アクセス可能なブラックボックスDeepFakeモデルへの逆例を直接転送する。
論文 参考訳（メタデータ） (2022-04-26T14:36:06Z) - Psychophysical Evaluation of Human Performance in Detecting Digital Face
Image Manipulations [14.63266615325105]
この研究は、心理物理学の分野から採用された原則に基づいて、Webベースの遠隔視覚的識別実験を導入する。
本研究では,顔のスワップ,フォーミング,リタッチなど,さまざまな種類の顔画像を検出する能力について検討する。
論文 参考訳（メタデータ） (2022-01-28T12:45:33Z) - An Attack on Feature Level-based Facial Soft-biometric Privacy
Enhancement [13.780253190395715]
特徴レベルに基づく顔ソフトバイオメトリック・プライバシ・エンハンスメント技術に対する攻撃を導入する。
プライバシーの強化を回避することができ、性別を最大90%の精度で正しく分類することができる。
論文 参考訳（メタデータ） (2021-11-24T10:41:15Z) - Facial Expressions as a Vulnerability in Face Recognition [73.85525896663371]
本研究では,顔認識システムのセキュリティ脆弱性としての表情バイアスについて検討する。
本稿では,表情バイアスが顔認識技術の性能に与える影響を包括的に分析する。
論文 参考訳（メタデータ） (2020-11-17T18:12:41Z) - Face Morphing Attack Generation & Detection: A Comprehensive Survey [12.936155415524937]
顔認識システム (FRS) はバイオメトリック・コミュニティから大きな関心を集めている。
モーフィング攻撃の目標は、自動境界制御ゲートでFRSを反転させることである。
悪質な俳優及び共犯者は、変形した顔画像を生成して、eパスポートを得ることができる。
論文 参考訳（メタデータ） (2020-11-03T22:36:27Z)
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。