論文の概要: Towards Racially Unbiased Skin Tone Estimation via Scene Disambiguation
- arxiv url: http://arxiv.org/abs/2205.03962v1
- Date: Sun, 8 May 2022 22:01:30 GMT
- ステータス: 処理完了
- システム内更新日: 2022-05-10 15:46:16.212732
- Title: Towards Racially Unbiased Skin Tone Estimation via Scene Disambiguation
- Title（参考訳）: シーンの曖昧さを生かしたラシカル・アンバイアスド・スキントーン推定に向けて
- Authors: Haiwen Feng, Timo Bolkart, Joachim Tesch, Michael J. Black, and
Victoria Abrevaya
- Abstract要約: 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。
- 参考スコア（独自算出の注目度）: 48.632358823108326
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Virtual facial avatars will play an increasingly important role in immersive
communication, games and the metaverse, and it is therefore critical that they
be inclusive. This requires accurate recovery of the appearance, represented by
albedo, regardless of age, sex, or ethnicity. While significant progress has
been made on estimating 3D facial geometry, albedo estimation has received less
attention. The task is fundamentally ambiguous because the observed color is a
function of albedo and lighting, both of which are unknown. We find that
current methods are biased towards light skin tones due to (1) strongly biased
priors that prefer lighter pigmentation and (2) algorithmic solutions that
disregard the light/albedo ambiguity. To address this, we propose a new
evaluation dataset (FAIR) and an algorithm (TRUST) to improve albedo estimation
and, hence, fairness. Specifically, we create the first facial albedo
evaluation benchmark where subjects are balanced in terms of skin color, and
measure accuracy using the Individual Typology Angle (ITA) metric. We then
address the light/albedo ambiguity by building on a key observation: the image
of the full scene -- as opposed to a cropped image of the face -- contains
important information about lighting that can be used for disambiguation. TRUST
regresses facial albedo by conditioning both on the face region and a global
illumination signal obtained from the scene image. Our experimental results
show significant improvement compared to state-of-the-art methods on albedo
estimation, both in terms of accuracy and fairness. The evaluation benchmark
and code will be made available for research purposes at
https://trust.is.tue.mpg.de.
- Abstract（参考訳）: 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担い、それらが包括的であることが重要である。
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。
3次元顔形状推定では有意な進歩がみられたが,アルベド推定はあまり注目されなかった。
観察された色はアルベドと照明の機能であり、どちらも不明であるため、基本的に曖昧である。
提案手法は, (1) 色調を優先する強バイアス前駆体, (2) 光/アルベドの曖昧さを無視するアルゴリズム的解により, 軽い肌色に偏っていることがわかった。
そこで本研究では,アルベド推定を改善するための新しい評価データセット(FAIR)とアルゴリズム(TRUST)を提案する。
具体的には、被験者が肌の色でバランスをとる最初の顔アルベド評価ベンチマークを作成し、個別のタイポロジーアングル(ita)メトリックを用いて精度を測定する。
次に、重要な観察に基づいて光/アルベドの曖昧さに対処する: 顔の収穫された画像とは対照的に、フルシーンの画像は、曖昧さに使用できる照明に関する重要な情報を含んでいる。
TRUSTは、顔領域とシーン画像から得られる大域照明信号の両方を条件付けして顔アルベドを後退させる。
実験結果から,アルベド推定における最先端手法と比較して,精度,公平性ともに有意な改善が認められた。
評価ベンチマークとコードは、研究目的のhttps://trust.is.tue.mpg.deで利用可能になる。
関連論文リスト
- High-Fidelity Facial Albedo Estimation via Texture Quantization [59.100759403614695]
得られたアルベドデータを必要とせずに、単一の画像から直接アルベドマップを復元するHiFiAlbedoを提案する。
本手法は優れた一般化性を示し,眼内アルベド回復のための高忠実度化を実現することができる。
論文 参考訳（メタデータ） (2024-06-19T01:53:30Z) - Improving Fairness using Vision-Language Driven Image Augmentation [60.428157003498995]
公平性は、特に顔領域において、ディープラーニングの識別モデルを訓練する際に重要である。
モデルは、特定の特性(年齢や肌の色など)と無関係な属性(下流タスク)を関連付ける傾向がある
本稿では,これらの相関を緩和し,公平性を向上する手法を提案する。
論文 参考訳（メタデータ） (2023-11-02T19:51:10Z) - Are Face Detection Models Biased? [69.68854430664399]
顔領域の局所化による顔検出領域のバイアスについて検討した。
既存の顔検出データセットの多くは、このような分析に適したアノテーションを欠いている。
性別や肌の音色による検出精度の相違を観察し, 画像診断以外の要因の相互関係を考察した。
論文 参考訳（メタデータ） (2022-11-07T14:27:55Z) - Face Recognition Accuracy Across Demographics: Shining a Light Into the
Problem [8.02620277513497]
顔の照明の違いによって生じる現象として,人口集団間で異なる顔認識精度について検討した。
両顔の偽像対は偽一致率(FMR)が増大していることが示される。
顔の明るさの変動を計測し、低すぎるか高すぎる顔の明るさが、顔領域の情報を減少させることを示すために、輝度情報メトリクスを提案する。
論文 参考訳（メタデータ） (2022-06-04T02:36:35Z) - 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) - SIRfyN: Single Image Relighting from your Neighbors [14.601975066158394]
一つの画像に描かれたシーンをリライトする方法を示し、(a)全体のシェーディングが変化し、(b)得られた画像はそのシーンの自然なイメージのように見える。
論文 参考訳（メタデータ） (2021-12-08T17:05:57Z) - It's Written All Over Your Face: Full-Face Appearance-Based Gaze
Estimation [82.16380486281108]
顔の全体像のみを入力とする外観に基づく手法を提案する。
本手法は,特徴写像に空間重みを印加した畳み込みニューラルネットワークを用いて顔画像の符号化を行う。
本手法は2次元視線と3次元視線の両方で技量を有意に上回ることを示す。
論文 参考訳（メタデータ） (2016-11-27T15:00:10Z)
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。