論文の概要: Robustness Disparities in Face Detection

• arxiv url: http://arxiv.org/abs/2211.15937v1
• Date: Tue, 29 Nov 2022 05:22:47 GMT
• ステータス: 処理完了
• システム内更新日: 2022-11-30 14:35:11.592192
• Title: Robustness Disparities in Face Detection
• Title（参考訳）: 顔検出におけるロバスト性差
• Authors: Samuel Dooley, George Z. Wei, Tom Goldstein, John P. Dickerson
• Abstract要約: 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。
• 参考スコア（独自算出の注目度）: 64.71318433419636
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Facial analysis systems have been deployed by large companies and critiqued by scholars and activists for the past decade. Many existing algorithmic audits examine the performance of these systems on later stage elements of facial analysis systems like facial recognition and age, emotion, or perceived gender prediction; however, a core component to these systems has been vastly understudied from a fairness perspective: face detection, sometimes called face localization. Since face detection is a pre-requisite step in facial analysis systems, the bias we observe in face detection will flow downstream to the other components like facial recognition and emotion prediction. Additionally, no prior work has focused on the robustness of these systems under various perturbations and corruptions, which leaves open the question of how various people are impacted by these phenomena. We present the first of its kind detailed benchmark of face detection systems, specifically examining the robustness to noise of commercial and academic models. We use both standard and recently released academic facial datasets to quantitatively analyze trends in face detection robustness. Across all the datasets and systems, we generally find that photos of individuals who are $\textit{masculine presenting}$, $\textit{older}$, of $\textit{darker skin type}$, or have $\textit{dim lighting}$ are more susceptible to errors than their counterparts in other identities.
• Abstract（参考訳）: 顔分析システムは大企業によって展開され、過去10年間、学者や活動家によって批判されてきた。 既存のアルゴリズム監査の多くは、顔認識や年齢、感情、知覚された性別予測といった顔分析システムの後期要素におけるこれらのシステムの性能を検証しているが、これらのシステムのコアコンポーネントは、公正な視点から非常に劣っている。 顔検出は、顔分析システムにおいて必須のステップであるため、顔検出で観察するバイアスは、顔認識や感情予測といった他のコンポーネントに下流に流れます。 加えて、様々な摂動や腐敗の下でこれらのシステムの堅牢性に先行研究は焦点を当てていないため、これらの現象によって様々な人々がどのように影響を受けるのかという疑問が開かれた。 本稿では,その顔検出システムの詳細なベンチマークを初めて提示し,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。 顔検出のロバスト性に関するトレンドを定量的に分析するために,標準的および最近発表された学術的顔データセットを使用する。 すべてのデータセットとシステムで、一般的に、$\textit{masculine presented}$、$\textit{older}$、$\textit{darker skin type}$、$\textit{dim lighting}$を持つ個人の写真は、他のidよりもエラーに影響を受けやすい。

関連論文リスト

• Exploring Decision-based Black-box Attacks on Face Forgery Detection [53.181920529225906]
  顔の偽造生成技術は鮮明な顔を生み出し、セキュリティとプライバシーに対する世間の懸念を高めている。 顔偽造検出は偽の顔の識別に成功しているが、最近の研究では顔偽造検出は敵の例に対して非常に脆弱であることが示されている。
  論文  参考訳（メタデータ） (2023-10-18T14:49:54Z)
• A Comparative Study of Face Detection Algorithms for Masked Face Detection [0.0]
  最近注目を集めている顔検出問題のサブクラスは、顔検出を禁止している。 新型コロナウイルス(COVID-19)のパンデミックの出現から3年が経過した今、既存の顔検出アルゴリズムがマスクされた顔にどれだけ効果があるかという証拠は、まだ全くない。 この記事では、まず、マスクされた顔問題のために作られた最先端の顔検出器と検出器の簡単なレビューと、既存のマスクされた顔データセットのレビューを紹介する。 マスク付き顔検出における顔検出装置の性能評価と比較を行い,その要因について考察した。
  論文  参考訳（メタデータ） (2023-05-18T16:03:37Z)
• Psychophysical Evaluation of Human Performance in Detecting Digital Face Image Manipulations [14.63266615325105]
  この研究は、心理物理学の分野から採用された原則に基づいて、Webベースの遠隔視覚的識別実験を導入する。 本研究では,顔のスワップ,フォーミング,リタッチなど,さまざまな種類の顔画像を検出する能力について検討する。
  論文  参考訳（メタデータ） (2022-01-28T12:45:33Z)
• 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)
• Evaluation of Human and Machine Face Detection using a Novel Distinctive Human Appearance Dataset [0.76146285961466]
  画像中の顔を検出する能力において,現在最先端の顔検出モデルを評価する。 評価結果から,顔検出アルゴリズムは多様な外観に適さないことが示された。
  論文  参考訳（メタデータ） (2021-11-01T02:20:40Z)
• Robustness Disparities in Commercial Face Detection [72.25318723264215]
  私たちは、Amazon Rekognition、Microsoft Azure、Google Cloud Platformの3つのシステムの堅牢性に関する、この種の詳細なベンチマークを初めて提示します。 一般的には、年齢、男性像、肌型、薄暗い色合いの人物の写真は、他のアイデンティティーの人物よりも、エラーの影響を受けやすいことが分かりました。
  論文  参考訳（メタデータ） (2021-08-27T21:37:16Z)
• I Only Have Eyes for You: The Impact of Masks On Convolutional-Based Facial Expression Recognition [78.07239208222599]
  今回提案したFaceChannelがマスクを持つ人からの表情認識にどのように適応するかを評価します。 また、制約された社会的相互作用シナリオにおける顔の特徴の変化を学習し、組み合わせるためのFaceChannelの本質的な能力を示すために、特定の機能レベルの可視化も行います。
  論文  参考訳（メタデータ） (2021-04-16T20:03:30Z)
• 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)

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。