論文の概要: Assessing Bias in Face Image Quality Assessment
- arxiv url: http://arxiv.org/abs/2211.15265v1
- Date: Mon, 28 Nov 2022 12:41:59 GMT
- ステータス: 処理完了
- システム内更新日: 2022-11-29 18:47:43.730453
- Title: Assessing Bias in Face Image Quality Assessment
- Title（参考訳）: 顔画像品質評価におけるバイアスの評価
- Authors: \v{Z}iga Babnik and Vitomir \v{S}truc
- Abstract要約: 顔画像品質評価(FIQA)は、サンプル品質に関する追加情報を提供することで、顔認識(FR)の性能を向上させる。
これらの手法が基礎となる顔認識システムの影響を強く受けていると仮定することは妥当である。
現代の顔認識システムはよく機能することが知られているが、いくつかの研究では、そのようなシステムはしばしば人口統計バイアスを伴う問題を示すことが知られている。
- 参考スコア（独自算出の注目度）: 0.0
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Face image quality assessment (FIQA) attempts to improve face recognition
(FR) performance by providing additional information about sample quality.
Because FIQA methods attempt to estimate the utility of a sample for face
recognition, it is reasonable to assume that these methods are heavily
influenced by the underlying face recognition system. Although modern face
recognition systems are known to perform well, several studies have found that
such systems often exhibit problems with demographic bias. It is therefore
likely that such problems are also present with FIQA techniques. To investigate
the demographic biases associated with FIQA approaches, this paper presents a
comprehensive study involving a variety of quality assessment methods
(general-purpose image quality assessment, supervised face quality assessment,
and unsupervised face quality assessment methods) and three diverse
state-of-theart FR models. Our analysis on the Balanced Faces in the Wild (BFW)
dataset shows that all techniques considered are affected more by variations in
race than sex. While the general-purpose image quality assessment methods
appear to be less biased with respect to the two demographic factors
considered, the supervised and unsupervised face image quality assessment
methods both show strong bias with a tendency to favor white individuals (of
either sex). In addition, we found that methods that are less racially biased
perform worse overall. This suggests that the observed bias in FIQA methods is
to a significant extent related to the underlying face recognition system.
- Abstract（参考訳）: 顔画像品質評価(FIQA)は、サンプル品質に関する追加情報を提供することで、顔認識(FR)の性能を向上させる。
FIQA法は, 顔認識におけるサンプルの有用性を推定しようとするため, 基礎となる顔認識システムの影響を強く受けていると仮定することは妥当である。
現代の顔認識システムはよく機能することが知られているが、いくつかの研究では、そのようなシステムはしばしば人口統計バイアスを伴う問題を示すことが知られている。
したがって、このような問題はFIQA技術にも存在している可能性が高い。
本稿では, FIQAアプローチに関連する人口統計学的バイアスについて検討するため, 様々な品質評価手法(汎用画像品質評価, 教師なし顔品質評価, 教師なし顔品質評価)と3種類の最先端FRモデルを含む総合的研究を行った。
The Balanced Faces in the Wild (BFW) データセットの解析により、考慮されたすべてのテクニックは、セックスよりも人種のバリエーションによって影響を受けていることが示された。
汎用的な画像品質評価手法は,2つの要因に比較して偏見が低いが,監督的および教師なしの顔画像品質評価法はともに,(性別の)白人を好む傾向のある強い偏見を示す。
さらに、人種的に偏りの少ない手法は、全体的な成績が悪化することがわかった。
このことは、FIQA法における観測バイアスが、基礎となる顔認識システムとかなりの関係があることを示唆している。
関連論文リスト
- Rank-based No-reference Quality Assessment for Face Swapping [88.53827937914038]
顔スワップ法における品質測定の基準は、操作された画像とソース画像の間のいくつかの距離に依存する。
顔スワップ用に設計された新しい非参照画像品質評価法(NR-IQA)を提案する。
論文 参考訳（メタデータ） (2024-06-04T01:36:29Z) - FaceQAN: Face Image Quality Assessment Through Adversarial Noise
Exploration [1.217503190366097]
本稿では,顔画像品質評価手法であるFaceQANを提案する。
このようにして,画像品質を敵攻撃にリンクする手法が提案されている。
実験の結果,FaceQANはいくつかの望ましい特徴を示しながら,競争的な結果が得られることがわかった。
論文 参考訳（メタデータ） (2022-12-05T09:37:32Z) - Perceptual Attacks of No-Reference Image Quality Models with
Human-in-the-Loop [113.75573175709573]
NR-IQAモデルの知覚的堅牢性を調べるための最初の試みの1つを行う。
我々は,4つの完全参照IQAモデルの下で,知識駆動のNR-IQA法とデータ駆動のNR-IQA法を検証した。
4つのNR-IQAモデルは全て、提案した知覚的攻撃に対して脆弱であることがわかった。
論文 参考訳（メタデータ） (2022-10-03T13:47:16Z) - Conformer and Blind Noisy Students for Improved Image Quality Assessment [80.57006406834466]
知覚品質評価(IQA)のための学習ベースアプローチは、通常、知覚品質を正確に測定するために歪んだ画像と参照画像の両方を必要とする。
本研究では,変換器を用いた全参照IQAモデルの性能について検討する。
また,全教師モデルから盲人学生モデルへの半教師付き知識蒸留に基づくIQAの手法を提案する。
論文 参考訳（メタデータ） (2022-04-27T10:21:08Z) - Anatomizing Bias in Facial Analysis [86.79402670904338]
既存の顔分析システムでは、特定の集団群に対して偏りのある結果が得られることが示されている。
これらのシステムは、個人の性別、アイデンティティ、肌のトーンに基づいて差別されないようにすることが義務づけられている。
これはAIシステムにおけるバイアスの識別と緩和の研究につながった。
論文 参考訳（メタデータ） (2021-12-13T09:51:13Z) - 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) - SDD-FIQA: Unsupervised Face Image Quality Assessment with Similarity
Distribution Distance [25.109321001368496]
顔画像品質評価(FIQA)は顔認識システムの不可欠な部分となっています。
顔画像品質評価(SDD-FIQA)に類似度分布距離を組み込んだ新しい非監視FIQA法を提案する。
本手法は,クラス内類似度分布とクラス間類似度分布の間のWasserstein Distanceを計算することにより,品質疑似ラベルを生成する。
論文 参考訳（メタデータ） (2021-03-10T10:23:28Z) - Face Image Quality Assessment: A Literature Survey [16.647739693192236]
本調査は、主に可視波長の顔画像入力に焦点を当てた顔画像品質評価文献の概要を提供する。
深層学習に基づく手法の傾向が観察され,近年のアプローチにおける概念的差異が顕著である。
論文 参考訳（メタデータ） (2020-09-02T14:26:12Z) - Towards causal benchmarking of bias in face analysis algorithms [54.19499274513654]
顔分析アルゴリズムのアルゴリズムバイアスを測定する実験手法を開発した。
提案手法は,一致したサンプル画像の合成トランスクター'を生成することに基づく。
性別分類アルゴリズムの偏見を従来の観察法を用いて分析することにより,本手法の有効性を検証した。
論文 参考訳（メタデータ） (2020-07-13T17:10:34Z) - Face Quality Estimation and Its Correlation to Demographic and
Non-Demographic Bias in Face Recognition [15.431761867166]
顔の質評価は、認識のための顔画像の有用性を推定することを目的としている。
現在、これらの顔認識システムの高性能化には、人口統計学や非人口統計学のサブグループに対する強い偏見のコストが伴っている。
近年の研究では、顔品質評価アルゴリズムは、高精度でロバストな品質評価を実現するために、デプロイされた顔認識システムに適応すべきであることが示されている。
論文 参考訳（メタデータ） (2020-04-02T14:19:12Z) - SER-FIQ: Unsupervised Estimation of Face Image Quality Based on
Stochastic Embedding Robustness [15.431761867166]
任意の顔認識モデルに基づいて顔の質を測定する新しい概念を提案する。
提案手法を,学界と産業界からの6つの最先端アプローチと比較した。
論文 参考訳（メタデータ） (2020-03-20T16:50:30Z)
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。