論文の概要: Do All Asians Look the Same?: A Comparative Analysis of the East Asian Facial Color Desires using Instagram

• arxiv url: http://arxiv.org/abs/2304.03132v1
• Date: Thu, 6 Apr 2023 15:05:56 GMT
• ステータス: 処理完了
• システム内更新日: 2023-04-07 13:50:46.191113
• Title: Do All Asians Look the Same?: A Comparative Analysis of the East Asian Facial Color Desires using Instagram
• Title（参考訳）: アジア人はみんな同じに見えますか。 Instagramを用いた東アジアの顔色愛好家の比較分析
• Authors: Jaeyoun You, Sojeong Park, Seok-Kyeong Hong, Bongwon Suh
• Abstract要約: 本研究では、自撮りデータを用いて、理想的な表情に対する人々の欲求が地域によってどのように変化するかを調べる。 我々は、「全てのアジア人は同一の視覚を好む」と反論し、これは「全てのアジア人は同じに見える」という西洋の俗説のサブセットである。 本稿では、現実世界の欲望と西洋の美容市場の見解のミスマッチを解決するための戦略を提案する。
• 参考スコア（独自算出の注目度）: 7.927093463287226
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Selfies represent people's desires, and social media platforms like Instagram have been flooded with them. This study uses selfie data to examine how peoples' desires for ideal facial representations vary by region, particularly in East Asia. Through the analysis, we aim to refute the "all Asians prefer identical visuals," which is a subset of the prevalent Western belief that "all Asians look the same." Our findings, reinforced by postcolonial interpretations, dispute those assumptions. We propose a strategy for resolving the mismatch between real-world desires and the Western beauty market's views. We expect the disparity between hegemonic color schemes and the augmented skin colors shown by our results may facilitate the study of color and Asian identity.
• Abstract（参考訳）: 自撮りは人々の欲望を表しており、instagramのようなソーシャルメディアプラットフォームに溢れている。 本研究は自撮りデータを用いて、特に東アジアにおいて、理想的な顔表現に対する人々の欲求が地域によってどのように異なるかを調べる。 この分析を通じて、「全てのアジア人は同一の視覚を好む」と反論することを目指しており、これは「全てのアジア人は同じに見える」という西洋の俗説のサブセットである。 我々の発見は、ポストコロニアル解釈によって補強され、これらの仮定に異議を唱える。 本稿では、現実世界の欲望と西洋の美容市場の見解のミスマッチを解決するための戦略を提案する。 以上の結果から, ヘーゲモニックカラースキームと拡張肌色との差異は, 色とアジアアイデンティティの研究の促進に寄与する可能性が示唆された。

関連論文リスト

• Inclusive content reduces racial and gender biases, yet non-inclusive content dominates popular culture [1.4204016278692333]
  私たちは最先端の機械学習モデルを使用して、50年以上にわたって30万以上の画像を分類しています。 人種的少数派は白人よりもはるかに頻度が低く、それらが現れると、顕著に描写されなくなる。 また、女性は全身で描かれる傾向が強く、男性は顔で描かれる傾向が強いこともわかりました。
  論文  参考訳（メタデータ） (2024-05-10T11:34:47Z)
• AI-generated faces influence gender stereotypes and racial homogenization [1.6647208383676708]
  6つの人種、2つの性別、32の専門職、8つの属性にまたがる安定拡散の重大なバイアスを文書化しています。 この分析は、ほぼすべての中東の男性がひげを生やし、茶色く肌を生やし、伝統的な服装を身に着けている、重要な人種的均質化を示している。 本稿では、画像を生成する際に、人種や性別の望ましい分布をユーザが指定できるようにデバイアス化ソリューションを提案する。
  論文  参考訳（メタデータ） (2024-02-01T20:32:14Z)
• Studying Bias in GANs through the Lens of Race [91.95264864405493]
  本研究では, 画像生成モデルの性能と評価が, 学習データセットの人種構成にどのように影響するかを検討する。 その結果, 生成した画像の人種構成は, トレーニングデータの保存に成功していることがわかった。 しかし、推論中に高品質な画像を生成する手法であるトランケーションは、データの人種的不均衡を悪化させる。
  論文  参考訳（メタデータ） (2022-09-06T22:25:56Z)
• American == White in Multimodal Language-and-Image AI [3.4157048274143316]
  最先端の3つのAIモデルを評価する。 白人は、アジア系、黒人系、ラテン系およびラテン系よりも集団内単語に関連があることが示される。 その結果、アメリカ人のアイデンティティと白人とを同一視するバイアスは、言語と画像のAIによって学習されることが示唆された。
  論文  参考訳（メタデータ） (2022-07-01T23:45:56Z)
• Towards Racially Unbiased Skin Tone Estimation via Scene Disambiguation [48.632358823108326]
  仮想顔アバターは、没入型コミュニケーション、ゲーム、メタバースにおいてますます重要な役割を果たす。 仮想顔アバターは、没入型コミュニケーション、ゲーム、メタバースにおいてますます重要な役割を果たす。 これは年齢、性別、民族に関係なく、アルベドで表される外観の正確な回復を必要とする。
  論文  参考訳（メタデータ） (2022-05-08T22:01:30Z)
• Fairness for Image Generation with Uncertain Sensitive Attributes [97.81354305427871]
  この研究は、画像超解像のような生成手順の文脈における公平性の問題に取り組む。 伝統的群フェアネスの定義は通常、指定された保護された群に関して定義されるが、本質的な真偽は存在しないことを強調する。 人口比率の自然拡大はグループ化に強く依存しており、明白に達成可能であることを示す。
  論文  参考訳（メタデータ） (2021-06-23T06:17:17Z)
• Black or White but never neutral: How readers perceive identity from yellow or skin-toned emoji [90.14874935843544]
  近年の研究は、ソーシャルメディア上でのアイデンティティ表現と絵文字利用の関係を確立した。 この研究は、言語と同様に、読者がそのような自己表現の行為に敏感かどうかを問うもので、著者のアイデンティティを理解するために使用する。
  論文  参考訳（メタデータ） (2021-05-12T18:23:51Z)
• Country Image in COVID-19 Pandemic: A Case Study of China [79.17323278601869]
  国像は国際関係と経済発展に大きな影響を与えている。 新型コロナウイルス(COVID-19)の世界的な流行で、各国と国民は異なる反応を見せている。 本研究では,中国を具体的かつ典型的な事例として捉え,大規模Twitterデータセットのアスペクトベース感情分析を用いてそのイメージを考察する。
  論文  参考訳（メタデータ） (2020-09-12T15:54:51Z)
• Mitigating Face Recognition Bias via Group Adaptive Classifier [53.15616844833305]
  この研究は、全てのグループの顔がより平等に表現できる公正な顔表現を学ぶことを目的としている。 我々の研究は、競争精度を維持しながら、人口集団間での顔認識バイアスを軽減することができる。
  論文  参考訳（メタデータ） (2020-06-13T06:43:37Z)
• Detecting East Asian Prejudice on Social Media [10.647940201343575]
  本稿は,Twitterのソーシャルメディア投稿を,東アジアに対する敵意,東アジア批判,東アジア偏見のメタ・ディカッション,中立の4つのクラスに分類し分類する分類器の作成について報告する。
  論文  参考訳（メタデータ） (2020-05-08T08:53:47Z)

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。