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
- AI-generated faces free from racial and gender stereotypes [1.8709793925421858]
我々は、任意の顔画像の人種、性別、年齢を予測できる分類器を開発する。
6つの人種、2つの性別、5つの年齢グループ、32の専門職、8つの属性にまたがる安定拡散のバイアスを定量化する。
我々は、最先端の代替品より優れた新しい脱バイアス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) - The Disparate Impacts of College Admissions Policies on Asian American
Applicants [0.848785248641365]
アジア系アメリカ人と白人学生の685,709のアプリケーションから、選択的な米国機関のサブセットを5回の申請サイクルで分析する。
アジア系アメリカ人の受験者が少なくとも1校に入学した確率は、同様のテストスコアを持つ白人学生の確率よりも28%低かった。
論文 参考訳(メタデータ) (2023-08-03T22:41:54Z) - 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。