論文の概要: Mitigating Face Recognition Bias via Group Adaptive Classifier
- arxiv url: http://arxiv.org/abs/2006.07576v2
- Date: Tue, 1 Dec 2020 04:18:39 GMT
- ステータス: 処理完了
- システム内更新日: 2022-11-21 21:09:29.280847
- Title: Mitigating Face Recognition Bias via Group Adaptive Classifier
- Title(参考訳): グループ適応分類器による顔認識バイアスの軽減
- Authors: Sixue Gong, Xiaoming Liu, and Anil K. Jain
- Abstract要約: この研究は、全てのグループの顔がより平等に表現できる公正な顔表現を学ぶことを目的としている。
我々の研究は、競争精度を維持しながら、人口集団間での顔認識バイアスを軽減することができる。
- 参考スコア(独自算出の注目度): 53.15616844833305
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Face recognition is known to exhibit bias - subjects in a certain demographic
group can be better recognized than other groups. This work aims to learn a
fair face representation, where faces of every group could be more equally
represented. Our proposed group adaptive classifier mitigates bias by using
adaptive convolution kernels and attention mechanisms on faces based on their
demographic attributes. The adaptive module comprises kernel masks and
channel-wise attention maps for each demographic group so as to activate
different facial regions for identification, leading to more discriminative
features pertinent to their demographics. Our introduced automated adaptation
strategy determines whether to apply adaptation to a certain layer by
iteratively computing the dissimilarity among demographic-adaptive parameters.
A new de-biasing loss function is proposed to mitigate the gap of average
intra-class distance between demographic groups. Experiments on face benchmarks
(RFW, LFW, IJB-A, and IJB-C) show that our work is able to mitigate face
recognition bias across demographic groups while maintaining the competitive
accuracy.
- Abstract(参考訳): 顔認識はバイアスを示すことで知られており、特定の集団の被験者は他のグループよりも認識しやすい。
この研究は、全てのグループの顔をより平等に表現できる公正な顔表現を学ぶことを目的としている。
提案するグループ適応分類器は,適応畳み込みカーネルと,その属性に基づく顔に対する注意機構を用いて,バイアスを軽減する。
アダプティブモジュールは、識別のために異なる顔領域を活性化するために、各人口群のカーネルマスクとチャネル毎のアテンションマップからなり、その人口に関連したより識別的な特徴をもたらす。
導入した自動適応戦略は,階層適応パラメータ間の相似性を反復的に計算することにより,ある層に適応するか否かを決定する。
人口集団間の平均クラス内距離のギャップを軽減するために,新しい脱バイアス損失関数を提案する。
フェースベンチマーク (RFW, LFW, IJB-A, IJB-C) 実験の結果, 競合精度を維持しつつ, 人口集団間での顔認識バイアスを軽減することができることがわかった。
関連論文リスト
- Invariant Feature Regularization for Fair Face Recognition [45.23154294914808]
偏りのある特徴は少数派ではあまり一般化しないことを示す。
教師なしの方法で多様なデータ分割を反復的に生成することを提案する。
INV-REGは、様々な人口集団の顔認識を改善する新しい最先端技術をもたらす。
論文 参考訳(メタデータ) (2023-10-23T07:44:12Z) - Adaptive Face Recognition Using Adversarial Information Network [57.29464116557734]
顔認識モデルは、トレーニングデータがテストデータと異なる場合、しばしば退化する。
本稿では,新たな敵情報ネットワーク(AIN)を提案する。
論文 参考訳(メタデータ) (2023-05-23T02:14:11Z) - Uncovering Bias in Face Generation Models [0.0]
GANと拡散モデルの最近の進歩により、高解像度の超現実的画像の作成が可能になった。
これらのモデルは特定の社会集団を誤って表現し、偏見を呈することがある。
この研究は、3つのアプローチに対するバイアスのきめ細かい理解のための空間をカバーおよび埋め込みする新しい分析である。
論文 参考訳(メタデータ) (2023-02-22T18:57:35Z) - Deep face recognition with clustering based domain adaptation [57.29464116557734]
そこで本研究では,ターゲットドメインとソースがクラスを共有しない顔認識タスクを対象とした,クラスタリングに基づく新しいドメイン適応手法を提案する。
本手法は,特徴領域をグローバルに整列させ,その一方で,対象クラスタを局所的に識別することで,識別対象特徴を効果的に学習する。
論文 参考訳(メタデータ) (2022-05-27T12:29:11Z) - Measuring Hidden Bias within Face Recognition via Racial Phenotypes [21.74534280021516]
本研究は、顔認識のための顔表現型属性を用いた、代替的な人種的偏見分析手法を提案する。
顔認識タスクにおける属性の個人的影響を調べるための分類的テストケースを提案する。
論文 参考訳(メタデータ) (2021-10-19T10:46:59Z) - Learning Fair Face Representation With Progressive Cross Transformer [79.73754444296213]
フェアフェイス認識のためのプログレッシブクロストランス (PCT) 手法を提案する。
我々は,PCTが最先端FR性能を達成しつつ,顔認識におけるバイアスを軽減することができることを示した。
論文 参考訳(メタデータ) (2021-08-11T01:31:14Z) - Fairness Properties of Face Recognition and Obfuscation Systems [19.195705814819306]
顔難読化システムは、画像に追加されると知覚不能な摂動を生成し、顔認識システムがユーザを誤識別させる。
顔認識の文脈で不公平であることが知られているメートル法埋め込みネットワークに対する顔難読化のこのような依存は、人口統計学的公正性の問題を表面化させる。
グラフ埋め込みネットワークは人口統計学的に認識されており、それらの人口統計学的特性に基づいて埋め込み空間に顔をクラスタリングしている。
論文 参考訳(メタデータ) (2021-08-05T16:18:15Z) - Balancing Biases and Preserving Privacy on Balanced Faces in the Wild [50.915684171879036]
現在の顔認識(FR)モデルには、人口統計バイアスが存在する。
さまざまな民族と性別のサブグループにまたがる偏見を測定するために、我々のバランス・フェイススをWildデータセットに導入します。
真偽と偽のサンプルペアを区別するために1点のスコアしきい値に依存すると、最適以下の結果が得られます。
本稿では,最先端ニューラルネットワークから抽出した顔特徴を用いたドメイン適応学習手法を提案する。
論文 参考訳(メタデータ) (2021-03-16T15:05:49Z) - Enhancing Facial Data Diversity with Style-based Face Aging [59.984134070735934]
特に、顔データセットは、通常、性別、年齢、人種などの属性の観点からバイアスされる。
本稿では, 細粒度の老化パターンをキャプチャするデータ拡張のための, 生成スタイルに基づく新しいアーキテクチャを提案する。
提案手法は, 年齢移動のための最先端アルゴリズムよりも優れていることを示す。
論文 参考訳(メタデータ) (2020-06-06T21:53:44Z)
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。