論文の概要: Is Facial Recognition Biased at Near-Infrared Spectrum As Well?

• arxiv url: http://arxiv.org/abs/2211.00129v1
• Date: Mon, 31 Oct 2022 20:37:41 GMT
• ステータス: 処理完了
• システム内更新日: 2022-11-02 13:43:37.424075
• Title: Is Facial Recognition Biased at Near-Infrared Spectrum As Well?
• Title（参考訳）: 顔認識は近赤外スペクトルでもバイアスされているか?
• Authors: Anoop Krishnan, Brian Neas and Ajita Rattani
• Abstract要約: 本研究では近赤外スペクトル(NIR)における顔認識の偏りについて検討する。 以上の結果から,NIRスペクトルにおける性別および人種間の同等の顔認識性能が示唆された。
• 参考スコア（独自算出の注目度）: 0.8594140167290097
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Published academic research and media articles suggest face recognition is biased across demographics. Specifically, unequal performance is obtained for women, dark-skinned people, and older adults. However, these published studies have examined the bias of facial recognition in the visible spectrum (VIS). Factors such as facial makeup, facial hair, skin color, and illumination variation have been attributed to the bias of this technology at the VIS. The near-infrared (NIR) spectrum offers an advantage over the VIS in terms of robustness to factors such as illumination changes, facial makeup, and skin color. Therefore, it is worthwhile to investigate the bias of facial recognition at the near-infrared spectrum (NIR). This first study investigates the bias of the face recognition systems at the NIR spectrum. To this aim, two popular NIR facial image datasets namely, CASIA-Face-Africa and Notre-Dame-NIVL consisting of African and Caucasian subjects, respectively, are used to investigate the bias of facial recognition technology across gender and race. Interestingly, experimental results suggest equitable face recognition performance across gender and race at the NIR spectrum.
• Abstract（参考訳）: 学術研究やメディアの記事は、顔認識は人口統計に偏っていることを示唆している。 特に、女性、浅黒い肌の人、年上の人の不平等なパフォーマンスが得られる。 しかし、これらの研究は可視スペクトル(vis)における顔認識のバイアスを調査している。 顔の化粧、顔の毛髪、肌の色、照明の変化などの要因は、VISにおけるこの技術のバイアスに起因する。 近赤外スペクトル(NIR)は、照明の変化、顔の化粧、肌の色などの要因に対する堅牢性において、VISに対して有利である。 したがって、近赤外スペクトル(NIR)における顔認識のバイアスを調査する価値がある。 本研究は,NIRスペクトルにおける顔認識システムのバイアスについて検討する。 この目的のために、アフリカとコーカサスの被験者からなるCASIA-Face-AfricaとNotre-Dame-NIVLという2つの一般的なNIR顔画像データセットを用いて、性別と人種の顔認識技術の偏見を調査する。 興味深いことに、NIRスペクトルにおける性別と人種の平等な顔認識性能が実験的に示唆された。

関連論文リスト

• From Bias to Balance: Detecting Facial Expression Recognition Biases in Large Multimodal Foundation Models [3.1927733045184885]
  本研究では,大規模マルチモーダルファンデーションモデル(LMFM)における表情認識(FER)システムの人種的偏見について考察する。 既存の研究は主に従来のFERモデル(CNN、RNN、ViT)に焦点を当てており、LMFMにおける人種的バイアスの理解のギャップを残している。 GPT-4o、PaliGemma、Gemini、CLIPの4つの主要なLMFMをベンチマークし、異なる人種層にわたる顔の感情検出のパフォーマンスを評価する。
  論文  参考訳（メタデータ） (2024-08-27T07:54:01Z)
• Racial Bias within Face Recognition: A Survey [15.924281804465252]
  人種的偏見の問題は、人種定義、グループ化戦略、人種または人種関連グループ化の社会的意味から始まる。 一般的な顔認識処理パイプラインは,画像取得,顔の局所化,顔表現,顔認証,識別の4段階に分けられる。 全体的な目的は、顔認識処理パイプラインの各ステージおよび各ステージに関して、人種的バイアス問題に関する包括的なカバレッジを提供することである。
  論文  参考訳（メタデータ） (2023-05-01T13:33:12Z)
• Gradient Attention Balance Network: Mitigating Face Recognition Racial Bias via Gradient Attention [43.52762277911445]
  グラディエント・アテンション・バランス・ネットワーク(GABN)と呼ばれる勾配注意に基づく新しいデバイアス手法を提案する。 具体的には、顔認識ネットワークの勾配注意マップ(GAM)を用いて、感度の高い顔領域を追跡する。 また、マスクを用いてTop-Nの感度の高い顔領域を消去し、より大きな顔領域への注意をネットワークに割り当てる。
  論文  参考訳（メタデータ） (2023-04-05T08:13:31Z)
• Robustness Disparities in Face Detection [64.71318433419636]
  本稿では,その顔検出システムの詳細なベンチマークとして,商業モデルと学術モデルのノイズに対する頑健性について検討する。 すべてのデータセットやシステム全体で、$textitmasculineである個人の写真が$textitdarker skin type$$$、$textitdarker$、または$textitdim lighting$は、他のIDよりもエラーの影響を受けやすい。
  論文  参考訳（メタデータ） (2022-11-29T05:22:47Z)
• Physically-Based Face Rendering for NIR-VIS Face Recognition [165.54414962403555]
  近赤外(NIR)と可視(VIS)の顔マッチングは、大きなドメインギャップのために困難である。 NIR-VIS対顔画像生成のための新しい手法を提案する。 アイデンティティ特徴学習を容易にするために,IDentityに基づく最大平均離散性(ID-MMD)損失を提案する。
  論文  参考訳（メタデータ） (2022-11-11T18:48:16Z)
• 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)
• Beyond the Visible: A Survey on Cross-spectral Face Recognition [15.469814029453893]
  クロススペクトル顔認識 (CFR) とは、異なるスペクトル帯から生じる顔画像を用いて個人を認識することを指す。 近年のディープニューラルネットワーク(DNN)の進歩により、CFRシステムの性能が大幅に向上した。
  論文  参考訳（メタデータ） (2022-01-12T12:09:24Z)
• 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)
• Facial Expressions as a Vulnerability in Face Recognition [73.85525896663371]
  本研究では,顔認識システムのセキュリティ脆弱性としての表情バイアスについて検討する。 本稿では,表情バイアスが顔認識技術の性能に与える影響を包括的に分析する。
  論文  参考訳（メタデータ） (2020-11-17T18:12:41Z)
• Investigating the Impact of Inclusion in Face Recognition Training Data on Individual Face Identification [93.5538147928669]
  最新のオープンソースの顔認識システムであるArcFaceを、100万枚以上の散らばった画像を用いた大規模な顔識別実験で監査する。 モデルのトレーニングデータには79.71%、存在しない人には75.73%のランク1顔認証精度がある。
  論文  参考訳（メタデータ） (2020-01-09T15:50:28Z)

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。