論文の概要: A View From Somewhere: Human-Centric Face Representations

• arxiv url: http://arxiv.org/abs/2303.17176v1
• Date: Thu, 30 Mar 2023 06:24:54 GMT
• ステータス: 処理完了
• システム内更新日: 2023-03-31 14:16:30.582703
• Title: A View From Somewhere: Human-Centric Face Representations
• Title（参考訳）: どこかから見る:人間中心の顔表現
• Authors: Jerone T. A. Andrews, Przemyslaw Joniak, Alice Xiang
• Abstract要約: A View From Somewhere - 顔の類似性に関する638,180人の判断のデータセットを提示する。 人間の知覚に合わせた連続した低次元の埋め込み空間を学習するためのAVFSの有用性を実証する。
• 参考スコア（独自算出の注目度）: 2.492300648514129
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Few datasets contain self-identified sensitive attributes, inferring attributes risks introducing additional biases, and collecting attributes can carry legal risks. Besides, categorical labels can fail to reflect the continuous nature of human phenotypic diversity, making it difficult to compare the similarity between same-labeled faces. To address these issues, we present A View From Somewhere (AVFS) -- a dataset of 638,180 human judgments of face similarity. We demonstrate the utility of AVFS for learning a continuous, low-dimensional embedding space aligned with human perception. Our embedding space, induced under a novel conditional framework, not only enables the accurate prediction of face similarity, but also provides a human-interpretable decomposition of the dimensions used in the human-decision making process, and the importance distinct annotators place on each dimension. We additionally show the practicality of the dimensions for collecting continuous attributes, performing classification, and comparing dataset attribute disparities.
• Abstract（参考訳）: 自己識別された機密属性を含むデータセットはほとんどなく、さらなるバイアスをもたらす属性リスクを推測し、属性の収集は法的リスクを運ぶことができる。 加えて、分類ラベルは人間の表現型多様性の連続的な性質を反映できないため、同一のラベル付き顔との類似性を比較することは困難である。 これらの問題に対処するため、A View From Somewhere (AVFS) という、638,180人の顔類似性判定データセットを提示する。 人間の知覚に合わせた連続した低次元埋め込み空間を学習するためのAVFSの有用性を実証する。 我々の埋め込み空間は、新しい条件付き枠組みの下で誘導され、顔の類似性の正確な予測を可能にするだけでなく、人間の意思決定プロセスで使われる寸法の人間解釈可能な分解や、各次元に異なるアノテータが配置される。 さらに,連続属性の収集,分類,データセット属性の差異の比較を行うための次元の実用性を示す。

関連論文リスト

• When Does Perceptual Alignment Benefit Vision Representations? [76.32336818860965]
  視覚モデル表現と人間の知覚的判断との整合がユーザビリティに与える影響について検討する。 モデルと知覚的判断を一致させることで、多くの下流タスクで元のバックボーンを改善する表現が得られることがわかった。 その結果,人間の知覚的知識に関する帰納バイアスを視覚モデルに注入することは,より良い表現に寄与することが示唆された。
  論文  参考訳（メタデータ） (2024-10-14T17:59:58Z)
• Using Contrastive Learning with Generative Similarity to Learn Spaces that Capture Human Inductive Biases [9.63129238638334]
  人間は、少数の例から学び、感覚データから有用な情報を抽象化するために、強い帰納バイアスに頼る。 本稿では, 2つのデータポイントが同一分布からサンプリングされた場合, 2つのデータポイントが類似していると考えられる生成的類似性の概念を提案する。 生成的類似性は、その正確な形が難解である場合でも、対照的な学習目標を定義するのに有効であることを示す。
  論文  参考訳（メタデータ） (2024-05-29T18:01:58Z)
• AlignDiff: Aligning Diverse Human Preferences via Behavior-Customisable Diffusion Model [69.12623428463573]
  AlignDiffは、人間の好みを定量化し、抽象性をカバーし、拡散計画をガイドする新しいフレームワークである。 ユーザがカスタマイズした動作と正確に一致し、効率的に切り替えることができます。 選好マッチング,スイッチング,カバーにおいて,他のベースラインに比べて優れた性能を示す。
  論文  参考訳（メタデータ） (2023-10-03T13:53:08Z)
• Benchmarking Algorithmic Bias in Face Recognition: An Experimental Approach Using Synthetic Faces and Human Evaluation [24.35436087740559]
  顔認識システムにおけるバイアスを測定する実験手法を提案する。 本手法は,ニューラルフェイスジェネレータを用いて合成顔を生成する。 我々は3つの研究グレードの顔認識モデルの人種と性別の偏りを定量的に評価する。
  論文  参考訳（メタデータ） (2023-08-10T08:57:31Z)
• Dataset Bias in Human Activity Recognition [57.91018542715725]
  このコントリビューションは、トレーニングデータを統計的にキュレートし、人間の身体的特性がHARのパフォーマンスにどの程度影響するかを評価する。 時系列HARのセンサ,アクティビティ,記録の異なる2つのHARデータセット上で,最先端の畳み込みニューラルネットワークの性能を評価する。
  論文  参考訳（メタデータ） (2023-01-19T12:33:50Z)
• Explaining Bias in Deep Face Recognition via Image Characteristics [9.569575076277523]
  2つのデータセットのセキュリティとユーザビリティの観点から,10種類の最先端の顔認識モデルを評価し,その妥当性を比較した。 次に,画像特性がモデル性能に与える影響を解析する。
  論文  参考訳（メタデータ） (2022-08-23T17:18:23Z)
• TransFA: Transformer-based Representation for Face Attribute Evaluation [87.09529826340304]
  我々はtextbfTransFA を用いたtextbfattribute 評価のための新しい textbf Transformer 表現を提案する。 提案するTransFAは,最先端手法と比較して優れた性能を示す。
  論文  参考訳（メタデータ） (2022-07-12T10:58:06Z)
• Mitigating Bias in Facial Analysis Systems by Incorporating Label Diversity [4.089080285684415]
  本研究では,顔の特徴の数学的定義に基づいて,主観的人間に基づくラベルと客観的アノテーションを組み合わせた新しい学習手法を提案する。 提案手法は,下流タスクの精度を高く保ちながら,意図しないバイアスを軽減できる。
  論文  参考訳（メタデータ） (2022-04-13T13:17:27Z)
• Spatial and Semantic Consistency Regularizations for Pedestrian Attribute Recognition [50.932864767867365]
  本稿では,各属性に対する空間的および意味的一貫性を実現するために,2つの相補的正規化からなるフレームワークを提案する。 属性の正確な位置に基づいて,本質的および識別的意味的特徴を抽出する意味的整合性正規化を提案する。 その結果,提案手法はパラメータを増大させることなく,最先端の手法に対して良好に動作することがわかった。
  論文  参考訳（メタデータ） (2021-09-13T03:36:44Z)
• Matched sample selection with GANs for mitigating attribute confounding [30.488267816304177]
  保護属性間の属性分布のバランスのとれたフルデータセットから画像のサブセットを選択するマッチングアプローチを提案する。 私たちのマッチングアプローチでは、セマンティック属性を保存する方法で、まず実際の画像を生成ネットワークの潜在空間に投影します。 次に、選択された保護属性にまたがるこの潜在空間で敵の一致を見つけ、セマンティクスと知覚属性が保護属性間でバランスをとるデータセットを生成する。
  論文  参考訳（メタデータ） (2021-03-24T19:18:44Z)
• Multilinear Latent Conditioning for Generating Unseen Attribute Combinations [61.686839319971334]
  本研究では, 変異自己エンコーダ(VAE)とGAN(Generative Adversarial Network)が, 人間の知覚において自然に発生する一般化能力を欠いていることを示す。 本稿では,属性間の乗法的相互作用をキャプチャする多線形潜在条件付けフレームワークを提案する。 また,どのアーキテクチャでも使用可能な新しい条件付けフレームワークを設計し,未知の属性の組み合わせを合成する。
  論文  参考訳（メタデータ） (2020-09-09T02:23:13Z)

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。