論文の概要: Reducing Racial Bias in Facial Age Prediction using Unsupervised Domain Adaptation in Regression

• arxiv url: http://arxiv.org/abs/2104.01781v1
• Date: Mon, 5 Apr 2021 05:31:12 GMT
• ステータス: 処理完了
• システム内更新日: 2021-04-06 22:12:30.611484
• Title: Reducing Racial Bias in Facial Age Prediction using Unsupervised Domain Adaptation in Regression
• Title（参考訳）: 非教師なし領域適応による顔面年齢予測における顔面バイアスの低減
• Authors: Apoorva Gokhale, Astuti Sharma, Kaustav Datta, Savyasachi
• Abstract要約: 対象の顔画像から年齢を推定する作業に対して,教師なし領域適応手法を提案する。 公に入手可能な顔画像データセットにおける人種バイアスの伝播を避けるため、予測者に対して民族に不変な特徴を学ぶモチベーションを与えるために、ドメイン適応を行う。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by-sa/4.0/
• Abstract: We propose an approach for unsupervised domain adaptation for the task of estimating someone's age from a given face image. In order to avoid the propagation of racial bias in most publicly available face image datasets into the inefficacy of models trained on them, we perform domain adaptation to motivate the predictor to learn features that are invariant to ethnicity, enhancing the generalization performance across faces of people from different ethnic backgrounds. Exploiting the ordinality of age, we also impose ranking constraints on the prediction of the model and design our model such that it takes as input a pair of images, and outputs both the relative age difference and the rank of the first identity with respect to the other in terms of their ages. Furthermore, we implement Multi-Dimensional Scaling to retrieve absolute ages from the predicted age differences from as few as two labeled images from the domain to be adapted to. We experiment with a publicly available dataset with age labels, dividing it into subsets based on the ethnicity labels, and evaluating the performance of our approach on the data from an ethnicity different from the one that the model is trained on. Additionally, we impose a constraint to preserve the sanity of the predictions with respect to relative and absolute ages, and another to ensure the smoothness of the predictions with respect to the input. We experiment extensively and compare various domain adaptation approaches for the task of regression.
• Abstract（参考訳）: 対象の顔画像から年齢を推定する作業に対して,教師なし領域適応手法を提案する。 一般に公開されている顔画像データセットにおける人種的偏見の伝播を、訓練されたモデルの非効率性に抑えるため、予測者が民族に不変な特徴を学ぶ動機付けとしてドメイン適応を行い、異なる民族的背景を持つ人々の顔間での一般化性能を高める。 また, 年齢の法則をエクスプロイトすることで, モデルの予測にランク付けの制約を課し, 一対の画像を入力するモデルの設計を行い, 年齢の相対年齢差と第1のアイデンティティのランクを, 年齢の観点で出力する。 さらに,予測された年齢差から,適応対象領域から2枚以上のラベル付き画像から絶対年齢を求めるために,多次元スケーリングを実装した。 我々は、年齢ラベルを用いた公開データセットを実験し、それを民族ラベルに基づいてサブセットに分割し、モデルが訓練されているものと異なる民族データに対する我々のアプローチの性能を評価する。 さらに, 相対的および絶対的年齢に対する予測の健全性を維持するために制約を課し, 入力に対する予測の滑らかさを保証する。 我々はレグレッションタスクのための様々なドメイン適応アプローチを広範囲に実験し比較した。

関連論文リスト

• Relative Age Estimation Using Face Images [12.30301655447024]
  入力画像と参照画像の年齢差を既知年齢で推定するネットワークを用いて、初期推定を精査する。 差分回帰法を用いて, 年齢依存性の顔変化を明示的にモデル化し, 従来の絶対年齢推定よりも精度が向上した。 提案手法は既存の手法を超越し,MORPH IIおよびCACDデータセット上で最先端の精度を実現する。
  論文  参考訳（メタデータ） (2025-02-07T11:42:01Z)
• From Age Estimation to Age-Invariant Face Recognition: Generalized Age Feature Extraction Using Order-Enhanced Contrastive Learning [23.817867981093382]
  一般的な年齢特徴抽出は、年齢に関連する顔分析タスクに不可欠である。 我々は,異なるデータセットやシナリオ間のドメインギャップを最小限に抑えるために,秩序強化コントラスト学習(OrdCon)を提案する。 提案手法は,各種ベンチマークデータセットの最先端手法に匹敵する結果が得られることを示す。
  論文  参考訳（メタデータ） (2025-01-03T11:23:52Z)
• Unravelling the Effect of Image Distortions for Biased Prediction of Pre-trained Face Recognition Models [86.79402670904338]
  画像歪みの存在下での4つの最先端深層顔認識モデルの性能評価を行った。 我々は、画像歪みが、異なるサブグループ間でのモデルの性能ギャップと関係していることを観察した。
  論文  参考訳（メタデータ） (2021-08-14T16:49:05Z)
• FP-Age: Leveraging Face Parsing Attention for Facial Age Estimation in the Wild [50.8865921538953]
  年齢推定に顔のセマンティクスを明示的に組み込む手法を提案する。 我々は,顔解析に基づくネットワークを設計し,異なるスケールで意味情報を学習する。 提案手法は,既存の年齢推定手法を常に上回っていることを示す。
  論文  参考訳（メタデータ） (2021-06-21T14:31:32Z)
• Hierarchical Attention-based Age Estimation and Bias Estimation [16.335191345543063]
  顔画像に基づく年齢推定のための新しい深層学習手法を提案する。 提案手法は,現代的スキームを上回り,新しい最先端の年齢推定精度を提供する。
  論文  参考訳（メタデータ） (2021-03-17T19:41:34Z)
• 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)
• Age Gap Reducer-GAN for Recognizing Age-Separated Faces [72.26969872180841]
  本稿では,年齢変化に伴う顔と時間変化をマッチングする新しいアルゴリズムを提案する。 提案手法は,顔の年齢推定と年齢別顔の検証を組み合わせた統合フレームワークである。
  論文  参考訳（メタデータ） (2020-11-11T16:43:32Z)
• Mitigating Face Recognition Bias via Group Adaptive Classifier [53.15616844833305]
  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。
  論文  参考訳（メタデータ） (2020-06-13T06:43:37Z)
• 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。