論文の概要: Overcoming Difficulty in Obtaining Dark-skinned Subjects for Remote-PPG by Synthetic Augmentation

• arxiv url: http://arxiv.org/abs/2106.06007v1
• Date: Thu, 10 Jun 2021 19:00:08 GMT
• ステータス: 処理完了
• システム内更新日: 2021-06-14 14:17:33.435257
• Title: Overcoming Difficulty in Obtaining Dark-skinned Subjects for Remote-PPG by Synthetic Augmentation
• Title（参考訳）: 合成強化による遠隔PPGにおける暗肌者獲得の難しさの克服
• Authors: Yunhao Ba, Zhen Wang, Kerim Doruk Karinca, Oyku Deniz Bozkurt, and Achuta Kadambi
• Abstract要約: 人工オーグメンテーションにより,暗色の被験者の不足を克服するための最初の試みを示す。 共同最適化フレームワークを用いて、光肌の被験者の実際の映像を、脈動性信号を保持しながら、暗い肌のトーンに翻訳する。 実験では,暗肌群では平均絶対誤差が約31%減少し,全群では46%改善した。
• 参考スコア（独自算出の注目度）: 6.997697221424196
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Camera-based remote photoplethysmography (rPPG) provides a non-contact way to measure physiological signals (e.g., heart rate) using facial videos. Recent deep learning architectures have improved the accuracy of such physiological measurement significantly, yet they are restricted by the diversity of the annotated videos. The existing datasets MMSE-HR, AFRL, and UBFC-RPPG contain roughly 10%, 0%, and 5% of dark-skinned subjects respectively. The unbalanced training sets result in a poor generalization capability to unseen subjects and lead to unwanted bias toward different demographic groups. In Western academia, it is regrettably difficult in a university setting to collect data on these dark-skinned subjects. Here we show a first attempt to overcome the lack of dark-skinned subjects by synthetic augmentation. A joint optimization framework is utilized to translate real videos from light-skinned subjects to dark skin tones while retaining their pulsatile signals. In the experiment, our method exhibits around 31% reduction in mean absolute error for the dark-skinned group and 46% improvement on bias mitigation for all the groups, as compared with the previous work trained with just real samples.
• Abstract（参考訳）: カメラベースのリモートフォトプレチモグラフィ(rppg)は、顔の動画を使って生理的信号(例えば心拍数)を測定する非接触方式を提供する。 近年の深層学習アーキテクチャは、これらの生理学的測定の精度を大幅に向上させたが、アノテーション付きビデオの多様性によって制限されている。 既存のデータセット MMSE-HR と AFRL と UBFC-RPPG はそれぞれ、浅黒い肌の被験者の約10%、0%、5% を含む。 バランスの取れないトレーニングセットは、被験者を認識できない一般化能力に乏しい結果となり、異なる集団に対する望ましくない偏見につながる。 西洋の学界では、暗い肌の被験者のデータを集めることは、大学環境では残念なほど難しい。 ここでは,合成補足による浅黒い肌の被験者の欠如を克服する最初の試みを示す。 共同最適化フレームワークは、脈動信号を保ちながら、光肌の被写体から暗い肌の色に実際の映像を翻訳するために利用される。 実験では,暗黒肌群の平均絶対誤差を約31%減少させ,全群に対するバイアス軽減率を46%向上させた。

関連論文リスト

• Analyzing and Improving the Skin Tone Consistency and Bias in Implicit 3D Relightable Face Generators [6.175211259659976]
  我々は,より軽い肌色で偏りのあるアルベド画像の問題を緩和する戦略を提案する。 また、生成した画像の照明量の分布とトレーニングデータとを一致させるスケーリング戦略を提案する。
  論文  参考訳（メタデータ） (2024-11-18T19:38:34Z)
• Gadolinium dose reduction for brain MRI using conditional deep learning [66.99830668082234]
  これらの手法の主な課題は、コントラスト強調の正確な予測と現実的な画像の合成である。 コントラスト前の画像対とコントラスト後の画像対のサブトラクション画像に符号化されたコントラスト信号を利用することで、両課題に対処する。 各種スキャナー,フィールド強度,コントラストエージェントを用いた合成および実データに対するアプローチの有効性を示す。
  論文  参考訳（メタデータ） (2024-03-06T08:35:29Z)
• DDI-CoCo: A Dataset For Understanding The Effect Of Color Contrast In Machine-Assisted Skin Disease Detection [51.92255321684027]
  皮膚のトーンと色差効果の相互作用について検討し,色差が皮膚のトーン間のモデル性能バイアスの新たな原因となる可能性が示唆された。 我々の研究は皮膚疾患の検出を改善するために皮膚科のAIに補完的な角度を提供する。
  論文  参考訳（メタデータ） (2024-01-24T07:45:24Z)
• ExposureDiffusion: Learning to Expose for Low-light Image Enhancement [87.08496758469835]
  この研究は、拡散モデルと物理ベースの露光モデルとをシームレスに統合することで、この問題に対処する。 提案手法は,バニラ拡散モデルと比較して性能が大幅に向上し,推論時間を短縮する。 提案するフレームワークは、実際のペア付きデータセット、SOTAノイズモデル、および異なるバックボーンネットワークの両方で動作する。
  論文  参考訳（メタデータ） (2023-07-15T04:48:35Z)
• Meta Balanced Network for Fair Face Recognition [51.813457201437195]
  我々は、データとアルゴリズムの両方の側面からバイアスを体系的に科学的に研究する。 本稿では,メタバランスネットワーク(MBN)と呼ばれるメタ学習アルゴリズムを提案する。 大規模な実験により、MBNは偏見を緩和し、顔認識において異なる肌のトーンを持つ人々に対してよりバランスの取れたパフォーマンスを学ぶことができた。
  論文  参考訳（メタデータ） (2022-05-13T10:25:44Z)
• Towards Racially Unbiased Skin Tone Estimation via Scene Disambiguation [48.632358823108326]
  仮想顔アバターは、没入型コミュニケーション、ゲーム、メタバースにおいてますます重要な役割を果たす。 仮想顔アバターは、没入型コミュニケーション、ゲーム、メタバースにおいてますます重要な役割を果たす。 これは年齢、性別、民族に関係なく、アルベドで表される外観の正確な回復を必要とする。
  論文  参考訳（メタデータ） (2022-05-08T22:01:30Z)
• Color Invariant Skin Segmentation [17.501659517108884]
  本稿では,カラー情報に頼らずに画像中の皮膚を自動的に検出する問題に対処する。 この研究の主な動機は、皮膚のトーン全体にわたって一貫性のある結果を達成することである。 我々はそのような情報がない場合によく機能する新しいアプローチを提案する。
  論文  参考訳（メタデータ） (2022-04-21T05:07:21Z)
• EdgeMixup: Improving Fairness for Skin Disease Classification and Segmentation [9.750368551427494]
  皮膚病変は、広範囲の感染症やその他の病気の早期の指標である可能性がある。 深層学習(DL)モデルを用いた皮膚病変の診断は,プレスクリーニング患者を支援できる可能性が高い。 これらのモデルは、トレーニングデータに固有のバイアスを学習することが多く、ライトやダークスキンのトーンを持つ人の診断において、パフォーマンスのギャップを生じさせる可能性がある。
  論文  参考訳（メタデータ） (2022-02-28T15:33:31Z)
• Reliability and Validity of Image-Based and Self-Reported Skin Phenotype Metrics [0.0]
  生体評価のための肌色測定は, 客観的, 特徴, 制御源から行う必要がある。 その結果,生体評価のための肌色測定は,客観的,特徴的,制御された情報源から行う必要があることがわかった。
  論文  参考訳（メタデータ） (2021-06-18T16:12:24Z)
• Towards measuring fairness in AI: the Casual Conversations dataset [9.246092246471955]
  私たちのデータセットは3,011人の被験者で構成されており、45,000以上のビデオがあり、1人あたり平均15本のビデオがある。 ビデオはアメリカの複数の州で撮影され、年齢、性別、肌の色など様々な種類の成人が撮影された。
  論文  参考訳（メタデータ） (2021-04-06T22:48:22Z)
• Peer Learning for Skin Lesion Classification [53.425900196763756]
  皮膚がんは世界で最も致命的ながんの1つである。 近年の深層学習法は皮膚がんの分類において皮膚科医レベルの性能を示した。 FedPerlは半教師付きフェデレーション学習方法です。
  論文  参考訳（メタデータ） (2021-03-05T14:26:15Z)

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。