論文の概要: Facing Identity: The Formation and Performance of Identity via Face-Based Artificial Intelligence Technologies
- arxiv url: http://arxiv.org/abs/2410.12148v1
- Date: Wed, 16 Oct 2024 01:14:04 GMT
- ステータス: 翻訳完了
- システム内更新日: 2024-10-17 13:44:38.618624
- Title: Facing Identity: The Formation and Performance of Identity via Face-Based Artificial Intelligence Technologies
- Title（参考訳）: Facing Identity: 顔に基づく人工知能技術によるアイデンティティの形成とパフォーマンス
- Authors: Wells Lucas Santo,
- Abstract要約: アナログ・フェイスを駆使しながら既存の施設文化を築き上げていく「ポスト・フェイス」技術の時代が今あることを提案する。
実際の顔の代わりにモーションキャプチャーされたアバターを使用するオンラインストリーマーであるVTubersとのインタビュースタディを提案することで、私は締めくくります。
- 参考スコア（独自算出の注目度）: 0.0
- License:
- Abstract: How is identity constructed and performed in the digital via face-based artificial intelligence technologies? While questions of identity on the textual Internet have been thoroughly explored, the Internet has progressed to a multimedia form that not only centers the visual, but specifically the face. At the same time, a wealth of scholarship has and continues to center the topics of surveillance and control through facial recognition technologies (FRTs), which have extended the logics of the racist pseudoscience of physiognomy. Much less work has been devoted to understanding how such face-based artificial intelligence technologies have influenced the formation and performance of identity. This literature review considers how such technologies interact with faciality, which entails the construction of what a face may represent or signify, along axes of identity such as race, gender, and sexuality. In grappling with recent advances in AI such as image generation and deepfakes, I propose that we are now in an era of "post-facial" technologies that build off our existing culture of facility while eschewing the analog face, complicating our relationship with identity vis-a-vis the face. Drawing from previous frameworks of identity play in the digital, as well as trans practices that have historically played with or transgressed the boundaries of identity classification, we can develop concepts adequate for analyzing digital faciality and identity given the current landscape of post-facial artificial intelligence technologies that allow users to interface with the digital in an entirely novel manner. To ground this framework of transgression, I conclude by proposing an interview study with VTubers -- online streamers who perform using motion-captured avatars instead of their real-life faces -- to gain qualitative insight on how these sociotechnical experiences.
- Abstract（参考訳）: 顔に基づく人工知能技術によるデジタルでアイデンティティはどのように構築され、実行されるか?
インターネット上でのアイデンティティに関する質問は徹底的に調査されているが、インターネットは視覚だけでなく、特に顔も中心とするマルチメディア形式へと進化してきた。
同時に、豊富な奨学金が顔認識技術(FRT)による監視と制御の話題の中心となり続けており、これは人種差別的擬似科学(英語版)の生理学の論理を拡張している。
このような顔ベースの人工知能技術が、アイデンティティの形成とパフォーマンスにどのように影響したかを理解するために、はるかに少ない作業が費やされている。
この文献レビューは、人種、性別、セクシュアリティなどのアイデンティティーの軸に沿って、顔が表現または意味する可能性のあるものを構築することを必要とする、このような技術が顔とどのように相互作用するかを考察する。
画像生成やディープフェイクといったAIの最近の進歩に乗じて、私たちは現在、既存の施設の文化を生かし、アナログフェイスを駆り立てながら、アイデンティティーと顔の関係を複雑化する「ポスト・フェイス」技術の時代にいることを提案します。
デジタルにおける従来のアイデンティティプレイの枠組みや、これまでアイデンティティ分類の境界線で遊んだり、超越したりしてきたトランスプラクティスから、ユーザーは全く新しい方法でデジタルと対話できる、顔後の人工知能技術の現在の状況を考えると、デジタルの顔とアイデンティティを分析するのに十分な概念を開発することができる。
現実の顔の代わりにモーションキャプチャーされたアバターを使用するオンラインストリーマーであるVTubers氏へのインタビュー研究を通じて、これらの社会技術的経験について質的な洞察を得ることで、トランスグレッションの枠組みを確立します。
関連論文リスト
- Adversarial Identity Injection for Semantic Face Image Synthesis [6.763801424109435]
我々は、顔を生成するためにアイデンティティ、スタイル、セマンティック特徴をマージするクロスアテンション機構を利用するSISアーキテクチャを提案する。
実験結果から,提案手法は識別情報の保存に適するだけでなく,顔認識対向攻撃にも有効であることが判明した。
論文 参考訳（メタデータ） (2024-04-16T09:19:23Z) - Privacy-preserving Optics for Enhancing Protection in Face De-identification [60.110274007388135]
この脆弱性を解決するために,ハードウェアレベルの顔識別手法を提案する。
また、プライバシ保存画像、フェイスヒートマップ、およびパブリックデータセットからの参照顔イメージを入力として、新しい顔を生成する匿名化フレームワークを提案する。
論文 参考訳（メタデータ） (2024-03-31T19:28:04Z) - StableIdentity: Inserting Anybody into Anywhere at First Sight [57.99693188913382]
一つの顔画像で同一性に一貫性のある再テクスチャ化を可能にするStableIdentityを提案する。
私たちは、1つの画像から学んだアイデンティティを直接、微調整なしでビデオ/3D生成に注入する最初の人です。
論文 参考訳（メタデータ） (2024-01-29T09:06:15Z) - Identity-driven Three-Player Generative Adversarial Network for
Synthetic-based Face Recognition [14.73254194339562]
本稿では,識別情報の生成プロセスへの統合を可能にする3プレーヤ生成逆ネットワーク(GAN)フレームワーク,すなわちIDnetを提案する。
我々は,従来の2プレーヤGANと比較して,IDnet合成画像の識別性が高いことを実証的に証明した。
顔認識モデルの訓練におけるIDnetデータの適用性について,広範囲の顔認識ベンチマークを用いて評価を行った。
論文 参考訳（メタデータ） (2023-04-30T00:04:27Z) - Digital and Physical Face Attacks: Reviewing and One Step Further [31.780516471483985]
顔提示攻撃(FPA)は、不信感を強く訴えている。
物理的な顔攻撃に加えて、顔のビデオや画像は、悪意のあるハッカーが立ち上げた様々なデジタル攻撃技術に弱い。
本調査は,既存の文献を網羅的に分析し,さらなる注意を要する課題を明らかにすることにより,顔鑑定の整合性を高めることを目的とする。
論文 参考訳（メタデータ） (2022-09-29T11:25:52Z) - SynFace: Face Recognition with Synthetic Data [83.15838126703719]
我々は、ID混在(IM)とドメイン混在(DM)を併用したSynFaceを考案し、パフォーマンスギャップを緩和する。
また、合成顔画像の系統的実験分析を行い、合成データを顔認識に効果的に活用する方法についての知見を提供する。
論文 参考訳（メタデータ） (2021-08-18T03:41:54Z) - I Only Have Eyes for You: The Impact of Masks On Convolutional-Based
Facial Expression Recognition [78.07239208222599]
今回提案したFaceChannelがマスクを持つ人からの表情認識にどのように適応するかを評価します。
また、制約された社会的相互作用シナリオにおける顔の特徴の変化を学習し、組み合わせるためのFaceChannelの本質的な能力を示すために、特定の機能レベルの可視化も行います。
論文 参考訳（メタデータ） (2021-04-16T20:03:30Z) - IdentityDP: Differential Private Identification Protection for Face
Images [17.33916392050051]
顔の非識別、別名顔の匿名化は、実際のアイデンティティが隠されている間、同様の外観と同じ背景を持つ別の画像を生成することを指します。
我々は,データ駆動型ディープニューラルネットワークと差分プライバシー機構を組み合わせた顔匿名化フレームワークであるIdentityDPを提案する。
我々のモデルは、顔の識別関連情報を効果的に難読化し、視覚的類似性を保ち、高品質な画像を生成することができる。
論文 参考訳（メタデータ） (2021-03-02T14:26:00Z) - Towards Face Encryption by Generating Adversarial Identity Masks [53.82211571716117]
敵の識別マスクを生成するためのターゲットID保護反復法(TIP-IM)を提案する。
TIP-IMは、様々な最先端の顔認識モデルに対して95%以上の保護成功率を提供する。
論文 参考訳（メタデータ） (2020-03-15T12:45:10Z) - An adversarial learning framework for preserving users' anonymity in
face-based emotion recognition [6.9581841997309475]
本稿では,反復的手順で学習した畳み込みニューラルネットワーク(CNN)アーキテクチャに依存する逆学習フレームワークを提案する。
その結果、提案手法は、感情認識の精度を保ち、顔認証の劣化を抑えるための畳み込み変換を学習できることが示唆された。
論文 参考訳（メタデータ） (2020-01-16T22:45:52Z) - Investigating the Impact of Inclusion in Face Recognition Training Data
on Individual Face Identification [93.5538147928669]
最新のオープンソースの顔認識システムであるArcFaceを、100万枚以上の散らばった画像を用いた大規模な顔識別実験で監査する。
モデルのトレーニングデータには79.71%、存在しない人には75.73%のランク1顔認証精度がある。
論文 参考訳（メタデータ） (2020-01-09T15:50:28Z)
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。