論文の概要: Revealing an Unattractivity Bias in Mental Reconstruction of Occluded Faces using Generative Image Models
- arxiv url: http://arxiv.org/abs/2409.15443v1
- Date: Mon, 23 Sep 2024 18:10:19 GMT
- ステータス: 処理完了
- システム内更新日: 2024-09-26 13:10:19.042896
- Title: Revealing an Unattractivity Bias in Mental Reconstruction of Occluded Faces using Generative Image Models
- Title（参考訳）: 生成画像モデルを用いた咬合顔の知的再構成における非誘引バイアスの発見
- Authors: Frederik Riedmann, Bernhard Egger, Tim Rohe,
- Abstract要約: 以前の研究では、顔が部分的に隠されているとき、より魅力的なものとして評価されていることが示されている。
1つの説明は、難易度評価タスクで示されるように、より魅力的な知覚に偏った、隠蔽された顔部分の精神的再構成である。
この仮説を,心的再建を直接必要とする遅延マッチングタスクを用いて検証した。
我々の実験は、最初の仮説を支持しておらず、隠蔽された顔に対する魅力のないバイアスを明らかにします。
- 参考スコア（独自算出の注目度）: 5.222115919729418
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Previous studies have shown that faces are rated as more attractive when they are partially occluded. The cause of this observation remains unclear. One explanation is a mental reconstruction of the occluded face parts which is biased towards a more attractive percept as shown in face-attractiveness rating tasks. We aimed to test for this hypothesis by using a delayed matching-to-sample task, which directly requires mental reconstruction. In two online experiments, we presented observers with unattractive, neutral or attractive synthetic reconstructions of the occluded face parts using a state-of-the-art diffusion-based image generator. Our experiments do not support the initial hypothesis and reveal an unattractiveness bias for occluded faces instead. This suggests that facial attractiveness rating tasks do not prompt reconstructions. Rather, the attractivity bias may arise from global image features, and faces may actually be reconstructed with unattractive properties when mental reconstruction is applied.
- Abstract（参考訳）: 以前の研究では、顔が部分的に隠されているとき、より魅力的なものとして評価されていることが示されている。
この観測の原因はいまだ不明である。
1つの説明は、難易度評価タスクで示されるように、より魅力的な知覚に偏った、隠蔽された顔部分の精神的再構成である。
我々は,心的再建を直接必要とする遅延マッチング・サンプルタスクを用いて,この仮説を検証することを目的とした。
2つのオンライン実験において, 最先端拡散画像生成装置を用いて, 閉鎖面部分の魅力のない, 中立的, 魅力的な合成再構成を行った。
我々の実験は、最初の仮説を支持しておらず、隠蔽された顔に対する魅力のないバイアスを明らかにします。
このことは、顔の魅力評価タスクが再建を促さないことを示唆している。
むしろ、魅力バイアスは、グローバルなイメージの特徴から生じ、精神的な再構成が適用されると、顔が非魅力的な性質で実際に再構成される可能性がある。
関連論文リスト
- Are Face Detection Models Biased? [69.68854430664399]
顔領域の局所化による顔検出領域のバイアスについて検討した。
既存の顔検出データセットの多くは、このような分析に適したアノテーションを欠いている。
性別や肌の音色による検出精度の相違を観察し, 画像診断以外の要因の相互関係を考察した。
論文 参考訳（メタデータ） (2022-11-07T14:27:55Z) - Understanding and Mitigating Annotation Bias in Facial Expression
Recognition [3.325054486984015]
現存する多くの著作は、人為的なアノテーションは金本位制であり、偏見のないものと見なすことができると仮定している。
顔の表情認識に焦点をあて、実験室で制御されたデータセットと現場のデータセットのラベルバイアスを比較する。
本稿では,顔動作単位(AU)を活用し,三重項損失を対象関数に組み込むAU校正顔表情認識フレームワークを提案する。
論文 参考訳（メタデータ） (2021-08-19T05:28:07Z) - 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) - Learning Facial Representations from the Cycle-consistency of Face [23.23272327438177]
顔特徴の周期一貫性を自由監督信号として導入し、ラベルのない顔画像から顔の表情を学習する。
この学習は、顔の動きサイクルの制約とアイデンティティのサイクルの制約を重畳することによって実現される。
我々のアプローチは既存の手法と競合し、アンタングル表現に埋め込まれたリッチでユニークな情報を実証する。
論文 参考訳（メタデータ） (2021-08-07T11:30:35Z) - Pro-UIGAN: Progressive Face Hallucination from Occluded Thumbnails [53.080403912727604]
Inpainting Generative Adversarial Network, Pro-UIGANを提案する。
顔の形状を利用して、隠された小さな顔の補充とアップサンプリング(8*)を行う。
Pro-UIGANは、HR面を視覚的に満足させ、下流タスクにおいて優れたパフォーマンスを達成する。
論文 参考訳（メタデータ） (2021-08-02T02:29:24Z) - Dynamic Facial Expression Recognition under Partial Occlusion with
Optical Flow Reconstruction [20.28462460359439]
本研究では,光フロー領域における顔面の閉塞部分を再構成するためのスキップ接続を備えた自動エンコーダに基づく新しいソリューションを提案する。
提案手法は,オクルード状態と非オクルード状態の間における認識精度の差を著しく低減することを示す。
論文 参考訳（メタデータ） (2020-12-24T12:28:47Z) - Uncovering the Bias in Facial Expressions [0.0]
我々は、アクションユニット分類のためのニューラルネットワークを訓練し、その精度と熱マップに基づく定性に基づいて、その性能を定量的に分析する。
結果の構造化されたレビューは、偏見を検出することができることを示している。
この結果から、性別や肌の色偏りのみから低い分類性能が出現したと結論付けることはできないが、これらのバイアスに対処する必要がある。
論文 参考訳（メタデータ） (2020-11-23T10:20:10Z) - Face Hallucination via Split-Attention in Split-Attention Network [58.30436379218425]
畳み込みニューラルネットワーク(CNN)は、顔幻覚を促進するために広く用いられている。
顔の全体像とテクスチャの細部を同時に考慮し,新たな内部分割注意グループ(ESAG)を提案する。
これら2つの経路から特徴を融合させることにより、顔の構造の整合性と顔の詳細の忠実度が強化される。
論文 参考訳（メタデータ） (2020-10-22T10:09:31Z) - From A Glance to "Gotcha": Interactive Facial Image Retrieval with
Progressive Relevance Feedback [72.29919762941029]
本稿では,目撃者から徐々にフィードバックを得て顔画像を取得するためのエンドツーエンドフレームワークを提案する。
追加のアノテーションを必要とせずに、私たちのモデルは少しのレスポンスの努力を犠牲にして適用できます。
論文 参考訳（メタデータ） (2020-07-30T18:46:25Z) - Occlusion-Adaptive Deep Network for Robust Facial Expression Recognition [56.11054589916299]
本研究では,隠蔽領域から腐敗した特徴を発見・破棄するためのランドマーク誘導型アテンションブランチを提案する。
注意マップが最初に作成され、特定の顔部が閉鎖されているかどうかを示し、我々のモデルを非閉鎖領域に誘導する。
これにより、顔が部分的に隠されている場合でも、表情認識システムが回復することができる。
論文 参考訳（メタデータ） (2020-05-12T20:42:55Z)
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。