論文の概要: Facing Asymmetry -- Uncovering the Causal Link between Facial Symmetry and Expression Classifiers using Synthetic Interventions

• arxiv url: http://arxiv.org/abs/2409.15927v2
• Date: Mon, 30 Sep 2024 11:41:25 GMT
• ステータス: 翻訳完了
• システム内更新日: 2024-10-01 22:04:36.702686
• Title: Facing Asymmetry -- Uncovering the Causal Link between Facial Symmetry and Expression Classifiers using Synthetic Interventions
• Title（参考訳）: 対向非対称性-合成干渉による顔面対称性と表情分類器の因果関係の解明
• Authors: Tim Büchner, Niklas Penzel, Orlando Guntinas-Lichius, Joachim Denzler,
• Abstract要約: ブラックボックスモデルは片側性顔面麻痺患者のパフォーマンスを低下させる。 我々は、因果推論からの洞察を用いて仮説を調査する。 本研究は,ブラックボックスモデルの挙動に影響を及ぼす因果因子を同定するためのケーススタディとして機能する。
• 参考スコア（独自算出の注目度）: 7.562215603730798
• License:
• Abstract: Understanding expressions is vital for deciphering human behavior, and nowadays, end-to-end trained black box models achieve high performance. Due to the black-box nature of these models, it is unclear how they behave when applied out-of-distribution. Specifically, these models show decreased performance for unilateral facial palsy patients. We hypothesize that one crucial factor guiding the internal decision rules is facial symmetry. In this work, we use insights from causal reasoning to investigate the hypothesis. After deriving a structural causal model, we develop a synthetic interventional framework. This approach allows us to analyze how facial symmetry impacts a network's output behavior while keeping other factors fixed. All 17 investigated expression classifiers significantly lower their output activations for reduced symmetry. This result is congruent with observed behavior on real-world data from healthy subjects and facial palsy patients. As such, our investigation serves as a case study for identifying causal factors that influence the behavior of black-box models.
• Abstract（参考訳）: 表現を理解することは人間の行動の解読に不可欠であり、今日では、エンドツーエンドの訓練されたブラックボックスモデルは高いパフォーマンスを達成する。 これらのモデルのブラックボックスの性質のため、アウト・オブ・ディストリビューションを適用する際にどのように振る舞うかは不明である。 特に, 片側性顔面麻痺患者では, 機能低下が認められた。 内部決定規則を導く重要な要因は、顔対称性である、という仮説を立てる。 本研究では、因果推論からの洞察を用いて仮説を解明する。 構造因果モデルから導出した後、我々は合成介入の枠組みを開発する。 このアプローチにより、他の要因を固定しつつ、顔の対称性がネットワークの出力挙動に与える影響を分析することができる。 17のすべての表現分類器は、対称性の低下のために出力活性化を著しく低下させた。 この結果は、健常者と顔面麻痺患者の実世界データに対する観察行動と一致している。 そこで本研究は,ブラックボックスモデルの挙動に影響を与える因果因子を同定するケーススタディとして機能する。

関連論文リスト

• Missed Causes and Ambiguous Effects: Counterfactuals Pose Challenges for Interpreting Neural Networks [14.407025310553225]
  解釈可能性の研究は、当然のことながら因果関係の反事実理論を採っている。 反事実理論は、我々の発見を具体的かつ予測可能な方法でバイアスする問題を持っている。 本稿では,これらの課題が解釈可能性研究者に与える影響について論じる。
  論文  参考訳（メタデータ） (2024-07-05T17:53:03Z)
• Slicing Through Bias: Explaining Performance Gaps in Medical Image Analysis using Slice Discovery Methods [5.274804664403783]
  我々はSlice Discovery Methodsを用いて、観測された性能格差の原因に関する仮説とデータの解釈可能な未実行部分集合を同定する。 本研究は, 仮説定式化におけるSDMの有効性を実証し, 既往の男女間パフォーマンスの相違について解説する。
  論文  参考訳（メタデータ） (2024-06-17T23:08:46Z)
• The Power of Properties: Uncovering the Influential Factors in Emotion Classification [7.562215603730798]
  最先端の分類性能は、エンドツーエンドのトレーニングニューラルネットワークによってのみ達成される。 明示的な特性とその影響を評価するワークフローを導入する。
  論文  参考訳（メタデータ） (2024-04-11T16:01:00Z)
• Decoding Susceptibility: Modeling Misbelief to Misinformation Through a Computational Approach [63.67533153887132]
  誤報に対する感受性は、観測不可能な不検証の主張に対する信念の度合いを記述している。 既存の感受性研究は、自己報告された信念に大きく依存している。 本稿では,ユーザの潜在感受性レベルをモデル化するための計算手法を提案する。
  論文  参考訳（メタデータ） (2023-11-16T07:22:56Z)
• CIParsing: Unifying Causality Properties into Multiple Human Parsing [82.32620538918812]
  既存のMHP(Multiple Human Parsing)の手法は、画像とラベル付けされた身体部分との間の基礎となる関係を取得するために統計モデルを適用している。 我々はCIParsingと呼ばれる因果性にインスパイアされた構文解析のパラダイムを提示し、人間の解析に2つの因果性を含む基本的な因果原理に従う。 CIParsingはプラグイン・アンド・プレイ方式で設計されており、既存のMHPモデルに統合することができる。
  論文  参考訳（メタデータ） (2023-08-23T15:56:26Z)
• Nonparametric Identifiability of Causal Representations from Unknown Interventions [63.1354734978244]
  本研究では, 因果表現学習, 潜伏因果変数を推定するタスク, およびそれらの変数の混合から因果関係を考察する。 我々のゴールは、根底にある真理潜入者とその因果グラフの両方を、介入データから解決不可能なあいまいさの集合まで識別することである。
  論文  参考訳（メタデータ） (2023-06-01T10:51:58Z)
• Causal Analysis for Robust Interpretability of Neural Networks [0.2519906683279152]
  我々は、事前学習されたニューラルネットワークの因果効果を捉えるための頑健な介入に基づく手法を開発した。 分類タスクで訓練された視覚モデルに本手法を適用した。
  論文  参考訳（メタデータ） (2023-05-15T18:37:24Z)
• Bayesian Networks for the robust and unbiased prediction of depression and its symptoms utilizing speech and multimodal data [65.28160163774274]
  我々は,抑うつ,抑うつ症状,および,胸腺で収集された音声,表情,認知ゲームデータから得られる特徴の関連性を把握するためにベイズ的枠組みを適用した。
  論文  参考訳（メタデータ） (2022-11-09T14:48:13Z)
• Empirical Estimates on Hand Manipulation are Recoverable: A Step Towards Individualized and Explainable Robotic Support in Everyday Activities [80.37857025201036]
  ロボットシステムの鍵となる課題は、他のエージェントの振る舞いを理解することである。 正しい推論の処理は、(衝突)因子が実験的に制御されない場合、特に困難である。 人に関する観察研究を行うために必要なツールをロボットに装備することを提案する。
  論文  参考訳（メタデータ） (2022-01-27T22:15:56Z)
• ACRE: Abstract Causal REasoning Beyond Covariation [90.99059920286484]
  因果誘導における現在の視覚システムの系統的評価のための抽象因果分析データセットについて紹介する。 Blicket実験における因果発見の研究の流れに触発され、独立シナリオと介入シナリオのいずれにおいても、以下の4種類の質問で視覚的推論システムに問い合わせる。 純粋なニューラルモデルは確率レベルのパフォーマンスの下で連想戦略に向かう傾向があるのに対し、ニューロシンボリックな組み合わせは後方ブロッキングの推論に苦しむ。
  論文  参考訳（メタデータ） (2021-03-26T02:42:38Z)

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。