論文の概要: Does lossy image compression affect racial bias within face recognition?
- arxiv url: http://arxiv.org/abs/2208.07613v1
- Date: Tue, 16 Aug 2022 09:02:35 GMT
- ステータス: 処理完了
- システム内更新日: 2022-08-17 12:17:34.622098
- Title: Does lossy image compression affect racial bias within face recognition?
- Title（参考訳）: 画像圧縮は顔認識における人種バイアスに影響を及ぼすか?
- Authors: Seyma Yucer, Matt Poyser, Noura Al Moubayed, Toby P. Breckon
- Abstract要約: 本研究では, 画像圧縮が顔認識アルゴリズムに与える影響について, 対象者の人種的特徴について検討した。
我々は、最近提案された人種的表現型に基づくバイアス分析手法を採用し、人種的表現型カテゴリーにまたがる様々なレベルの損失圧縮の効果を測定する。
- 参考スコア（独自算出の注目度）: 15.924281804465252
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Yes - This study investigates the impact of commonplace lossy image
compression on face recognition algorithms with regard to the racial
characteristics of the subject. We adopt a recently proposed racial
phenotype-based bias analysis methodology to measure the effect of varying
levels of lossy compression across racial phenotype categories. Additionally,
we determine the relationship between chroma-subsampling and race-related
phenotypes for recognition performance. Prior work investigates the impact of
lossy JPEG compression algorithm on contemporary face recognition performance.
However, there is a gap in how this impact varies with different race-related
inter-sectional groups and the cause of this impact. Via an extensive
experimental setup, we demonstrate that common lossy image compression
approaches have a more pronounced negative impact on facial recognition
performance for specific racial phenotype categories such as darker skin tones
(by up to 34.55\%). Furthermore, removing chroma-subsampling during compression
improves the false matching rate (up to 15.95\%) across all phenotype
categories affected by the compression, including darker skin tones, wide
noses, big lips, and monolid eye categories. In addition, we outline the
characteristics that may be attributable as the underlying cause of such
phenomenon for lossy compression algorithms such as JPEG.
- Abstract（参考訳）: 本研究は,画像圧縮が顔認識アルゴリズムに与える影響を,被験者の人種的特徴について検討するものである。
我々は、最近提案された人種的表現型に基づくバイアス分析手法を採用し、人種的表現型カテゴリーの様々なレベルの損失圧縮の効果を測定する。
さらに,クロマサブサンプリングとレース関連表現型との関係について検討した。
従来の研究では、JPEG圧縮アルゴリズムが現代の顔認識性能に与える影響について検討した。
しかし、この影響が人種間の異なるグループやその原因によってどのように異なるかにはギャップがある。
広範に実験的に検討した結果, 画像圧縮の一般的な手法は, より暗い肌色(最大34.55\%)などの特定の人種的表現型カテゴリの顔認識性能に悪影響を及ぼすことが示された。
さらに、圧縮中のクロマサブサンプリングの除去は、より暗い肌のトーン、広い鼻、大きな唇、モノリッド眼のカテゴリを含むすべての表現型カテゴリの偽マッチング率(最大15.95%)を向上させる。
また,JPEGなどの圧縮アルゴリズムにおいて,このような現象の原因となる特性について概説する。
関連論文リスト
- Semantic Ensemble Loss and Latent Refinement for High-Fidelity Neural Image Compression [58.618625678054826]
本研究は、最適な視覚的忠実度のために設計された強化されたニューラル圧縮手法を提案する。
我々は,洗練されたセマンティック・アンサンブル・ロス,シャルボニエ・ロス,知覚的損失,スタイル・ロス,非バイナリ・ディバイザ・ロスを組み込んだモデルを構築した。
実験により,本手法は神経画像圧縮の統計的忠実度を著しく向上させることが示された。
論文 参考訳（メタデータ） (2024-01-25T08:11:27Z) - 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) - Machine Perceptual Quality: Evaluating the Impact of Severe Lossy
Compression on Audio and Image Models [1.2584276673531931]
損失圧縮に対する異なるアプローチが機械知覚タスクにどのように影響するかを評価する。
重く損失のある圧縮を発生させながら、圧縮された知覚的圧縮を利用することが可能である。
事前トレーニングのためのロッシー圧縮は、マシン直観的なシナリオを劣化させる可能性がある。
論文 参考訳（メタデータ） (2024-01-15T20:47:24Z) - Robust Sclera Segmentation for Skin-tone Agnostic Face Image Quality
Assessment [5.339861501796723]
顔画像品質評価(FIQA)は、良好な顔認識性能を得るために重要である。
本研究では,エロメントの顔画像や境界制御の顔認識シナリオに適した,頑健なスクレラ分割法を提案する。
論文 参考訳（メタデータ） (2023-12-22T22:49:11Z) - Effect of Lossy Compression Algorithms on Face Image Quality and
Recognition [12.554656658516262]
ロスシーな顔画像圧縮は、顔認識のために画像品質と有用性を低下させることができる。
4つの圧縮タイプ、JPEG、JPEG 2000、縮小されたPNG、特に新しいJPEG XLフォーマットが検討されている。
論文 参考訳（メタデータ） (2023-02-24T12:11:05Z) - Estimating the Resize Parameter in End-to-end Learned Image Compression [50.20567320015102]
本稿では,最近の画像圧縮モデルの速度歪みトレードオフをさらに改善する検索自由化フレームワークについて述べる。
提案手法により,Bjontegaard-Deltaレート(BD-rate)を最大10%向上させることができる。
論文 参考訳（メタデータ） (2022-04-26T01:35:02Z) - 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) - 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) - 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) - Analyzing and Mitigating JPEG Compression Defects in Deep Learning [69.04777875711646]
本稿では,JPEG圧縮が共通タスクやデータセットに与える影響を統一的に検討する。
高圧縮の一般的なパフォーマンス指標には大きなペナルティがあることが示される。
論文 参考訳（メタデータ） (2020-11-17T20:32:57Z) - Exploring Racial Bias within Face Recognition via per-subject
Adversarially-Enabled Data Augmentation [15.924281804465252]
本稿では,オブジェクト単位のデータセットバランスの実現を目的とした,新たな逆派生データ拡張手法を提案する。
我々の目的は、様々な人種領域にまたがる顔画像を変換することで、合成データセットを自動構築することである。
両面比較では,提案手法が(人種)少数集団の認識性能に与える影響が示唆された。
論文 参考訳（メタデータ） (2020-04-19T19:46:32Z)
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。