論文の概要: Mask-up: Investigating Biases in Face Re-identification for Masked Faces
- arxiv url: http://arxiv.org/abs/2402.13771v1
- Date: Wed, 21 Feb 2024 12:48:45 GMT
- ステータス: 処理完了
- システム内更新日: 2024-02-22 15:35:16.311810
- Title: Mask-up: Investigating Biases in Face Re-identification for Masked Faces
- Title（参考訳）: マスクアップ:仮面の顔再識別におけるバイアス調査
- Authors: Siddharth D Jaiswal, Ankit Kr. Verma, Animesh Mukherjee
- Abstract要約: 顔認識システム(FRS)は現在、世界中に分散し、MLソリューションとしてデプロイされている。
これらのシステムでは、過激な偏見が限界化グループに対して報告されており、高い差別的結果をもたらしている。
この研究は、開発者、議員、そしてそのようなサービスの利用者が、FRSの背後にある設計原則を再考する必要があることを示している。
- 参考スコア（独自算出の注目度）: 7.73812434373948
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: AI based Face Recognition Systems (FRSs) are now widely distributed and
deployed as MLaaS solutions all over the world, moreso since the COVID-19
pandemic for tasks ranging from validating individuals' faces while buying SIM
cards to surveillance of citizens. Extensive biases have been reported against
marginalized groups in these systems and have led to highly discriminatory
outcomes. The post-pandemic world has normalized wearing face masks but FRSs
have not kept up with the changing times. As a result, these systems are
susceptible to mask based face occlusion. In this study, we audit four
commercial and nine open-source FRSs for the task of face re-identification
between different varieties of masked and unmasked images across five benchmark
datasets (total 14,722 images). These simulate a realistic
validation/surveillance task as deployed in all major countries around the
world. Three of the commercial and five of the open-source FRSs are highly
inaccurate; they further perpetuate biases against non-White individuals, with
the lowest accuracy being 0%. A survey for the same task with 85 human
participants also results in a low accuracy of 40%. Thus a human-in-the-loop
moderation in the pipeline does not alleviate the concerns, as has been
frequently hypothesized in literature. Our large-scale study shows that
developers, lawmakers and users of such services need to rethink the design
principles behind FRSs, especially for the task of face re-identification,
taking cognizance of observed biases.
- Abstract（参考訳）: AIベースの顔認識システム(FRS)は現在、世界中のMLaaSソリューションとして広く流通し、デプロイされている。さらに新型コロナウイルス(COVID-19)パンデミック以降、個人の顔の検証やSIMカードの購入、市民の監視といったタスクも行われている。
これらのシステムにおける限界化されたグループに対する広範な偏見が報告され、非常に差別的な結果に繋がった。
ポストパンデミックの世界では、フェイスマスクは正常化されているが、FRSは変化した時代に追いついていない。
その結果、これらのシステムはマスクベースの顔のオクルージョンの影響を受けやすい。
本研究では,5つのベンチマークデータセット(約14,722画像)にまたがる異なるマスク画像と未マスク画像の顔を識別するタスクのために,商用および9つのオープンソースfrsを監査した。
これらは、世界中のすべての主要国で展開されている現実的な検証/監視タスクをシミュレートします。
商用の3つとオープンソースFRSの5つは非常に不正確であり、非ホワイトの個人に対するバイアスをさらに持続させ、最も低い精度は0%である。
85人の被験者による同じタスクに対する調査の結果、40%の低い精度が得られた。
このように、パイプライン内の人間のループのモデレーションは、文献でしばしば仮説化されているように、懸念を緩和しない。
当社の大規模な調査は、開発者、議員、そしてそのようなサービスの利用者が、特に、観察されたバイアスを認識し、顔を再識別するタスクのために、FRSの背後にある設計原則を再考する必要があることを示している。
関連論文リスト
- Breaking the Global North Stereotype: A Global South-centric Benchmark Dataset for Auditing and Mitigating Biases in Facial Recognition Systems [7.790132091010725]
本研究では,世界8カ国の男女6,579名からなる顔データセットを提案する。
データセットの50%以上がグローバル・サウス諸国の個人であり、人口統計学的に多様である。
敵対的監査と堅牢なモデルトレーニングを支援するため、各画像は4つの敵的変種を持ち、合計4万枚以上の画像がある。
論文 参考訳（メタデータ） (2024-07-22T17:22:04Z) - Generalized Face Liveness Detection via De-spoofing Face Generator [58.7043386978171]
以前のFace Anti-Spoofing (FAS) の作業は、目に見えない領域における一般化という課題に直面している。
De-spoofing Face Generator (DFG) によるモデル一般化を改善するために, 現実の顔を利用する Anomalous cue Guided FAS (AG-FAS) 方式を実行する。
次に,Anomalous cue Guided FAS feature extract Network (AG-Net)を提案する。
論文 参考訳（メタデータ） (2024-01-17T06:59:32Z) - Real Face Foundation Representation Learning for Generalized Deepfake
Detection [74.4691295738097]
ディープフェイク技術の出現は、個人のプライバシーと公共の安全に脅威をもたらすため、社会的な問題となっている。
十分な偽の顔を集めることはほぼ不可能であり、既存の検出器があらゆる種類の操作に一般化することは困難である。
本稿では,大規模な実顔データセットから一般表現を学習することを目的としたリアルフェイスファウンデーション表現学習(RFFR)を提案する。
論文 参考訳（メタデータ） (2023-03-15T08:27:56Z) - Bias-Aware Face Mask Detection Dataset [11.400704308166805]
世界中のパンデミック中にTwitterに投稿された画像を含む新しい顔マスク検出データセットを提案する。
以前のデータセットとは異なり、提案されているBias-Aware Face Mask Detectionデータセットには、未表現の人種や年齢グループからのより多くの画像が含まれている。
論文 参考訳（メタデータ） (2022-11-02T15:38:31Z) - WebFace260M: A Benchmark for Million-Scale Deep Face Recognition [89.39080252029386]
我々は、未修正4MのID/260Mの顔(WebFace260M)とクリーン2MのID/42Mの顔(WebFace42M)を含む新しい100万スケールの認識ベンチマークに貢献する。
分散フレームワークは、性能を損なうことなく、顔認識モデルを効率的に訓練するために開発された。
提案したベンチマークは、標準、マスク付き、偏見のない顔認識シナリオにおいて大きな可能性を示している。
論文 参考訳（メタデータ） (2022-04-21T14:56:53Z) - Adversarial Mask: Real-World Adversarial Attack Against Face Recognition
Models [66.07662074148142]
本稿では,最先端の深層学習に基づく顔認識モデルに対する物理対角的普遍摂動(UAP)を提案する。
実験では,幅広い深層学習モデルとデータセットへの対向マスクの転送可能性について検討した。
ファブリック・メディカル・フェイスマスクに対向パターンを印刷することにより,実世界の実験において,我々の対向マスクの有効性を検証した。
論文 参考訳（メタデータ） (2021-11-21T08:13:21Z) - End2End Occluded Face Recognition by Masking Corrupted Features [82.27588990277192]
最先端の一般的な顔認識モデルは、隠蔽された顔画像に対してうまく一般化しない。
本稿では,1つのエンドツーエンドのディープニューラルネットワークに基づいて,オクルージョンに頑健な新しい顔認識手法を提案する。
我々のアプローチは、深い畳み込みニューラルネットワークから破損した特徴を発見し、動的に学習されたマスクによってそれらをきれいにする。
論文 参考訳（メタデータ） (2021-08-21T09:08:41Z) - Masked Face Recognition Challenge: The WebFace260M Track Report [81.57455766506197]
ICCV 2021におけるバイオメトリクスとマスク付き顔認識チャレンジ
WebFace260M Trackは、実用的なMFRのフロンティアを推進することを目的としている。
WebFace260M Trackの第1フェーズでは、69のチーム(トータル833ソリューション)がこの課題に参加している。
この挑戦には2021年10月1日までの第2フェーズと、進行中のリーダーボードがある。
論文 参考訳（メタデータ） (2021-08-16T15:51:51Z) - Multi-Dataset Benchmarks for Masked Identification using Contrastive
Representation Learning [0.0]
新型コロナウイルスのパンデミックは世界中で受け入れられた基準を大きく変えた。
パスポート、運転免許証、国籍カードなどの公式文書には、完全な顔画像が登録されている。
空港やセキュリティチェックポイントでは、マスクの取り外しを依頼するのではなく、識別文書の未マスク画像とマスク付き人物とを一致させる方が安全である。
本稿では,マスクとマスクのない顔マッチングに特化した,視覚表現学習に基づく事前学習ワークフローを提案する。
論文 参考訳（メタデータ） (2021-06-10T08:58:10Z) - Masked Face Recognition for Secure Authentication [2.429066522170765]
マスクされた顔は検出と認識が難しいため、社内データセットを無効にする恐れがある。
マスクされた顔の大規模なデータセットを効果的に作成するためのオープンソースのツールであるMaskTheFaceを提案する。
Facenet システムでは 38% の増加がみられた。
論文 参考訳（メタデータ） (2020-08-25T15:33:59Z)
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。