論文の概要: Skin Deep: Investigating Subjectivity in Skin Tone Annotations for
Computer Vision Benchmark Datasets
- arxiv url: http://arxiv.org/abs/2305.09072v1
- Date: Mon, 15 May 2023 23:55:56 GMT
- ステータス: 処理完了
- システム内更新日: 2023-05-17 16:53:58.171835
- Title: Skin Deep: Investigating Subjectivity in Skin Tone Annotations for
Computer Vision Benchmark Datasets
- Title（参考訳）: スキンディープ:コンピュータビジョンベンチマークデータセットのためのスキントーンアノテーションにおける主観性の検討
- Authors: Teanna Barrett, Quan Ze Chen, Amy X. Zhang
- Abstract要約: 皮膚のトーンの主観的理解が皮膚のトーンアノテーションにどのように埋め込まれているかを検討する。
我々の研究は、社会技術プロジェクトとして初めて皮膚のトーンアノテーションプロセスを調査した。
- 参考スコア（独自算出の注目度）: 7.519872646378834
- License: http://creativecommons.org/licenses/by-sa/4.0/
- Abstract: To investigate the well-observed racial disparities in computer vision
systems that analyze images of humans, researchers have turned to skin tone as
more objective annotation than race metadata for fairness performance
evaluations. However, the current state of skin tone annotation procedures is
highly varied. For instance, researchers use a range of untested scales and
skin tone categories, have unclear annotation procedures, and provide
inadequate analyses of uncertainty. In addition, little attention is paid to
the positionality of the humans involved in the annotation process--both
designers and annotators alike--and the historical and sociological context of
skin tone in the United States. Our work is the first to investigate the skin
tone annotation process as a sociotechnical project. We surveyed recent skin
tone annotation procedures and conducted annotation experiments to examine how
subjective understandings of skin tone are embedded in skin tone annotation
procedures. Our systematic literature review revealed the uninterrogated
association between skin tone and race and the limited effort to analyze
annotator uncertainty in current procedures for skin tone annotation in
computer vision evaluation. Our experiments demonstrated that design decisions
in the annotation procedure such as the order in which the skin tone scale is
presented or additional context in the image (i.e., presence of a face)
significantly affected the resulting inter-annotator agreement and individual
uncertainty of skin tone annotations. We call for greater reflexivity in the
design, analysis, and documentation of procedures for evaluation using skin
tone.
- Abstract（参考訳）: 人間の画像を分析するコンピュータビジョンシステムの人種差をよく観察するために、研究者たちは、公正さ評価のための人種メタデータよりも客観的なアノテーションとして肌の色に目を向けた。
しかし、皮膚のトーンアノテーションの手順の現況は様々である。
例えば、研究者は様々なテストされていないスケールと皮膚のトーンカテゴリを使い、不明瞭なアノテーション手順を持ち、不確かさの不十分な分析を提供する。
さらに、アノテーションプロセスに携わる人間の位置(デザイナーと注釈家の両方)や、アメリカ合衆国におけるスキントーンの歴史的・社会学的文脈にはほとんど注意が払われていない。
我々の研究は、社会技術プロジェクトとして初めて皮膚のトーンアノテーションプロセスを調査した。
近年の皮膚トーンアノテーション法を調査し,皮膚トーンの主観的理解が皮膚トーンアノテーション法にどのように埋め込まれているかを検討するためのアノテーション実験を行った。
体系的文献レビューでは,皮膚のトーンと人種との関係,およびコンピュータビジョン評価における現在のスキントーンアノテーション法における注釈不確実性の分析への限定的取り組みについて検討した。
実験の結果,皮膚の音階が提示される順序や画像中の追加の文脈(顔の有無)などのアノテーションの手順における設計決定は,アノテーション間の一致や皮膚の音調アノテーションの個人的不確実性に大きく影響した。
我々は,皮膚トーンを用いた評価手順の設計,解析,文書化において,より大きな反射性を求める。
関連論文リスト
- Colorimetric skin tone scale for improved accuracy and reduced perceptual bias of human skin tone annotations [0.0]
そこで我々は,従来の色調測定に基づいて,新しい色調尺度(CST)を開発した。
画像中の被験者の肌のトーンと肌のトーンを人間に評価させる実験を用いて、新しいCST尺度はより感度が高く、一貫性があり、色調的に正確であることを示した。
論文 参考訳（メタデータ） (2024-10-28T13:29:24Z) - DDI-CoCo: A Dataset For Understanding The Effect Of Color Contrast In
Machine-Assisted Skin Disease Detection [51.92255321684027]
皮膚のトーンと色差効果の相互作用について検討し,色差が皮膚のトーン間のモデル性能バイアスの新たな原因となる可能性が示唆された。
我々の研究は皮膚疾患の検出を改善するために皮膚科のAIに補完的な角度を提供する。
論文 参考訳（メタデータ） (2024-01-24T07:45:24Z) - Revisiting Skin Tone Fairness in Dermatological Lesion Classification [3.247628857305427]
ITAに基づく4つの皮膚音分類手法をISIC18データセットで検討・比較した。
ITAに基づく皮膚のトーン推定手法のリスクを実証する先行研究の間には高い相違点がみられた。
本研究は,ISIC18データセットにおける多様性の欠如が,公正度分析のためのテストベッドとしての利用を制限することを明らかにする。
論文 参考訳（メタデータ） (2023-08-18T15:59:55Z) - ColorSense: A Study on Color Vision in Machine Visual Recognition [57.916512479603064]
視覚認識ベンチマークから,前景や背景色ラベルの非自明なアノテーション110,000点を収集する。
色識別のレベルがマシン認識モデルの性能に与える影響を実証することにより、データセットの使用を検証した。
その結果,分類や局所化などの物体認識タスクは,色覚バイアスの影響を受けやすいことが示唆された。
論文 参考訳（メタデータ） (2022-12-16T18:51:41Z) - Meta Balanced Network for Fair Face Recognition [51.813457201437195]
我々は、データとアルゴリズムの両方の側面からバイアスを体系的に科学的に研究する。
本稿では,メタバランスネットワーク(MBN)と呼ばれるメタ学習アルゴリズムを提案する。
大規模な実験により、MBNは偏見を緩和し、顔認識において異なる肌のトーンを持つ人々に対してよりバランスの取れたパフォーマンスを学ぶことができた。
論文 参考訳（メタデータ） (2022-05-13T10:25:44Z) - 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) - Color Invariant Skin Segmentation [17.501659517108884]
本稿では,カラー情報に頼らずに画像中の皮膚を自動的に検出する問題に対処する。
この研究の主な動機は、皮膚のトーン全体にわたって一貫性のある結果を達成することである。
我々はそのような情報がない場合によく機能する新しいアプローチを提案する。
論文 参考訳（メタデータ） (2022-04-21T05:07:21Z) - Automatic Facial Skin Feature Detection for Everyone [60.31670960526022]
本研究では,野生の自撮り自撮りのために,さまざまな肌のトーンと年齢群にまたがって機能する顔顔の特徴自動検出法を提案する。
具体的には,肌の色,重度度,照明条件の異なる自撮り画像に対して,アクネ,顔料,ニキビの位置を注釈する。
論文 参考訳（メタデータ） (2022-03-30T04:52:54Z) - Detecting Melanoma Fairly: Skin Tone Detection and Debiasing for Skin
Lesion Classification [5.71097144710995]
修正された変分オートエンコーダを用いて、ベンチマークとして一般的に使用されるデータセットの皮膚のトーンバイアスを明らかにする。
病変画像の皮膚のトーンを自動的にラベル付けする,効率的かつ効率的なアルゴリズムを提案する。
その後、皮膚のトーンバイアスを軽減するために2つの主要なバイアスアンラーニング技術を使用します。
論文 参考訳（メタデータ） (2022-02-06T18:53:06Z) - 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) - Analysis of Manual and Automated Skin Tone Assignments for Face
Recognition Applications [8.334167427229572]
顔画像から皮膚のトーンを自動的に推定するために,手動Fitzpatrickスキンタイプ割り当てのセットを分析し,個別のタイポロジーアングルを用いた。
自動アプローチと手動アプローチの一致レベルは、MORPH画像の96%以上であることが判明しました。
論文 参考訳（メタデータ） (2021-04-29T22:35:47Z)
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。