論文の概要: Impact of Blur and Resolution on Demographic Disparities in 1-to-Many Facial Identification

• arxiv url: http://arxiv.org/abs/2309.04447v2
• Date: Thu, 16 Nov 2023 21:12:53 GMT
• ステータス: 処理完了
• システム内更新日: 2023-11-22 18:10:44.542593
• Title: Impact of Blur and Resolution on Demographic Disparities in 1-to-Many Facial Identification
• Title（参考訳）: 1対1顔認証におけるぼやけと解像度が人口差に及ぼす影響
• Authors: Aman Bhatta, Gabriella Pangelinan, Michael C. King, and Kevin W. Bowyer
• Abstract要約: 本稿では、人口集団間での1対多の顔認証の精度について分析する。 プローブ画像のぼかしの増加や、プローブ画像の顔の解像度の低下は、偽陽性の認識率を大幅に向上させることを示した。
• 参考スコア（独自算出の注目度）: 6.818318933838661
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Most studies to date that have examined demographic variations in face recognition accuracy have analyzed 1-to-1 matching accuracy, using images that could be described as "government ID quality". This paper analyzes the accuracy of 1-to-many facial identification across demographic groups, and in the presence of blur and reduced resolution in the probe image as might occur in "surveillance camera quality" images. Cumulative match characteristic curves (CMC) are not appropriate for comparing propensity for rank-one recognition errors across demographics, and so we use three metrics for our analysis: (1) the well-known d' metric between mated and non-mated score distributions, and introduced in this work, (2) absolute score difference between thresholds in the high-similarity tail of the non-mated and the low-similarity tail of the mated distribution, and (3) distribution of (mated - non-mated rank-one scores) across the set of probe images. We find that demographic variation in 1-to-many accuracy does not entirely follow what has been observed in 1-to-1 matching accuracy. Also, different from 1-to-1 accuracy, demographic comparison of 1-to-many accuracy can be affected by different numbers of identities and images across demographics. More importantly, we show that increased blur in the probe image, or reduced resolution of the face in the probe image, can significantly increase the false positive identification rate. And we show that the demographic variation in these high blur or low resolution conditions is much larger for male / female than for African-American / Caucasian. The point that 1-to-many accuracy can potentially collapse in the context of processing "surveillance camera quality" probe images against a "government ID quality" gallery is an important one.
• Abstract（参考訳）: 顔の認識精度の変動を調査したほとんどの研究は、1対1のマッチング精度を分析し、「政府id品質」と表現できる画像を用いている。 本稿では,「監視カメラの品質」画像に現れる可能性のある1対1の顔認証の精度と,プローブ画像におけるぼやけや解像度低下の有無について分析した。 Cumulative match characteristic curves (CMC) are not appropriate for comparing propensity for rank-one recognition errors across demographics, and so we use three metrics for our analysis: (1) the well-known d' metric between mated and non-mated score distributions, and introduced in this work, (2) absolute score difference between thresholds in the high-similarity tail of the non-mated and the low-similarity tail of the mated distribution, and (3) distribution of (mated - non-mated rank-one scores) across the set of probe images. 1対多の精度における人口変動は、1対1のマッチング精度で観測された結果に完全に従わないことがわかった。 また、1対1の精度とは異なり、1対1の精度の人口統計学的比較は、人口統計学的に異なるアイデンティティとイメージの数に影響される可能性がある。 さらに,プローブ画像のぼやけの増大や,プローブ画像中の顔の解像度の低下は,偽陽性の識別率を著しく上昇させる可能性がある。 そして,この高ぼかし条件や低解像度条件の人口変動は,アフリカ系アメリカ人やコーカサス人よりも男性や女性の方がはるかに大きいことを示す。 1対多の精度が「監視カメラの品質」プローブ画像の「政府IDの品質」ギャラリーに対する処理の文脈で崩壊する可能性がある点が重要である。

関連論文リスト

• What Should Be Balanced in a "Balanced" Face Recognition Dataset? [8.820019122897154]
  顔認識アルゴリズムの精度を評価するために、様々な顔画像データセットが「フェア」または「バランス」として提案されている。 評価データセットにおけるアイデンティティの数と画像が、1対1の顔マッチング精度の要因ではないことに注意する必要がある。 本稿では,本論文で言及した因子とバランスの取れたクロスデデマトグラフィー評価データセットの作成を容易にするバイアス対応ツールキットを提案する。
  論文  参考訳（メタデータ） (2023-04-17T22:02:03Z)
• Exploring Causes of Demographic Variations In Face Recognition Accuracy [10.534382915377025]
  我々は,1対1の顔マッチングにおいて,非メイト(インポスタ)と/または交配(ジェヌイン)のばらつきによって,精度の違いが表されると考えている。 調査された原因には、皮膚のトーンの違い、顔のサイズと形状の違い、トレーニングデータにおける身元と画像の数の不均衡、テストデータで見える顔の量などが含まれる。
  論文  参考訳（メタデータ） (2023-04-14T14:50:59Z)
• The Gender Gap in Face Recognition Accuracy Is a Hairy Problem [8.768049933358968]
  まず、男女の髪型が顔の認識精度に影響を及ぼす重要な違いがあることを実証する。 そして、認識精度を推定するために使用されるデータが、髪型が顔を妨げるかによって性別間でバランスが取れている場合、当初観察された精度の男女差が大きく消失することを示した。
  論文  参考訳（メタデータ） (2022-06-10T04:32:47Z)
• Few-shot Forgery Detection via Guided Adversarial Interpolation [56.59499187594308]
  既存の偽造検出手法は、見知らぬ新しい偽造手法に適用した場合、大幅な性能低下に悩まされる。 本稿では,数発の偽造検出問題を克服するために,GAI(Guid Adversarial Interpolation)を提案する。 我々の手法は、多数派と少数派の偽造アプローチの選択に対して堅牢であることが検証されている。
  論文  参考訳（メタデータ） (2022-04-12T16:05:10Z)
• A Deep Dive into Dataset Imbalance and Bias in Face Identification [49.210042420757894]
  メディアの描写は、自動顔認識システムにおけるバイアスの主な原因として、しばしば不均衡を浮き彫りにする。 FRにおけるデータ不均衡に関するこれまでの研究は、顔認証の設定にのみ焦点をあててきた。 この研究は、顔の識別における各種類の不均衡の影響を徹底的に調査し、この設定におけるバイアスに影響を与える他の要因について議論する。
  論文  参考訳（メタデータ） (2022-03-15T20:23:13Z)
• Texture Characterization of Histopathologic Images Using Ecological Diversity Measures and Discrete Wavelet Transform [82.53597363161228]
  本稿では,病理組織像間でテクスチャを特徴付ける手法を提案する。 2つのHIデータセットに有望な精度で、そのような画像の固有特性を定量化することが可能である。
  論文  参考訳（メタデータ） (2022-02-27T02:19:09Z)
• Gendered Differences in Face Recognition Accuracy Explained by Hairstyles, Makeup, and Facial Morphology [11.50297186426025]
  女性には顔認識精度が低いという研究文献に合意がある。 テスト画像中の可視面の等しい量の制御は、女性にとって明らかに高い偽非一致率を緩和する。 さらなる分析により、化粧バランスの取れたデータセットは女性をさらに改善し、偽の非マッチ率を低くすることが示された。
  論文  参考訳（メタデータ） (2021-12-29T17:07:33Z)
• Comparing Human and Machine Bias in Face Recognition [46.170389064229354]
  我々はLFWとCelebAデータセットの改良版をリリースし、将来の研究者がアルゴリズムバイアスの測定値を得ることができるようにした。 また、これらの新しいデータを使って、顔認証と検証に関する一連の挑戦的な質問も開発しています。 検証作業において,コンピュータモデルと人的調査参加者の双方が有意に優れていたことが判明した。
  論文  参考訳（メタデータ） (2021-10-15T22:26:20Z)
• Unravelling the Effect of Image Distortions for Biased Prediction of Pre-trained Face Recognition Models [86.79402670904338]
  画像歪みの存在下での4つの最先端深層顔認識モデルの性能評価を行った。 我々は、画像歪みが、異なるサブグループ間でのモデルの性能ギャップと関係していることを観察した。
  論文  参考訳（メタデータ） (2021-08-14T16:49:05Z)
• Identity and Attribute Preserving Thumbnail Upscaling [93.38607559281601]
  我々は、人物の低解像度サムネイル画像を高解像度画像にアップスケールする作業を検討し、その人物のアイデンティティやその他の属性を保存する。 以上の結果から,顔の類似性認識とルックアライズ生成の改善に加えて,入力サムネイルのアイデンティティを保ち,人種や属性を維持できる高解像度画像を生成する能力の向上が示唆された。
  論文  参考訳（メタデータ） (2021-05-30T19:32:27Z)
• Is Gender "In-the-Wild" Inference Really a Solved Problem? [0.0]
  画像(解像度、輝度、ボケ)と主題に基づく特徴に関する推論の実現可能性に関する広範な分析を報告する。 3つの最先端データセットを用いて、特徴分析と性別推定精度を相関させる。 顔に基づく性別推定を分析し,そのポーズ効果を評価した。
  論文  参考訳（メタデータ） (2021-05-12T17:05:03Z)

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。