論文の概要: Colorimetric skin tone scale for improved accuracy and reduced perceptual bias of human skin tone annotations

• arxiv url: http://arxiv.org/abs/2410.21005v1
• Date: Mon, 28 Oct 2024 13:29:24 GMT
• ステータス: 翻訳完了
• システム内更新日: 2024-10-29 12:15:59.581767
• Title: Colorimetric skin tone scale for improved accuracy and reduced perceptual bias of human skin tone annotations
• Title（参考訳）: 皮膚色調尺度によるヒト皮膚色調アノテーションの精度向上と知覚バイアス低減
• Authors: Cynthia M. Cook, John J. Howard, Laura R. Rabbitt, Isabelle M. Shuggi, Yevgeniy B. Sirotin, Jerry L. Tipton, Arun R. Vemury,
• Abstract要約: そこで我々は,従来の色調測定に基づいて,新しい色調尺度(CST)を開発した。 画像中の被験者の肌のトーンと肌のトーンを人間に評価させる実験を用いて、新しいCST尺度はより感度が高く、一貫性があり、色調的に正確であることを示した。
• 参考スコア（独自算出の注目度）: 0.0
• License:
• Abstract: Human image datasets used to develop and evaluate technology should represent the diversity of human phenotypes, including skin tone. Datasets that include skin tone information frequently rely on manual skin tone ratings based on the Fitzpatrick Skin Type (FST) or the Monk Skin Tone (MST) scales in lieu of the actual measured skin tone of the image dataset subjects. However, perceived skin tone is subject to known biases and skin tone appearance in digital images can vary substantially depending on the capture camera and environment, confounding manual ratings. Surprisingly, the relationship between skin-tone ratings and measured skin tone has not been explored. To close this research gap, we measured the relationship between skin tone ratings from existing scales (FST, MST) and skin tone values measured by a calibrated colorimeter. We also propose and assess a novel Colorimetric Skin Tone (CST) scale developed based on prior colorimetric measurements. Using experiments requiring humans to rate their own skin tone and the skin tone of subjects in images, we show that the new CST scale is more sensitive, consistent, and colorimetrically accurate. While skin tone ratings appeared to correct for some color variation across images, they introduced biases related to race and other factors. These biases must be considered before using manual skin-tone ratings in technology evaluations or for engineering decisions.
• Abstract（参考訳）: 技術の開発と評価に使用される人間の画像データセットは、皮膚のトーンを含む人間の表現型の多様性を表すべきである。 FST(Fitzpatrick Skin Type)やMST(Monk Skin Tone)に基づく手動皮膚のトーン評価に、皮膚のトーン情報を含むデータセットは、画像データセットの実際のスキントーンの代わりにスケールする。 しかし、認識された皮膚のトーンは、デジタル画像における既知のバイアスや肌のトーンの出現によって、撮影カメラや環境によって大きく異なる可能性がある。 驚くべきことに、肌色評価と測定された肌色との関係は検討されていない。 本研究のギャップを埋めるために,既存のスケール (FST, MST) の肌色評価値と校正色度計による肌色評価値の関係を測定した。 また,従来の色調測定に基づいて,新しい色調尺度(CST)を提案し,評価した。 画像中の被験者の肌のトーンと肌のトーンを人間に評価させる実験を用いて、新しいCST尺度はより感度が高く、一貫性があり、色調的に正確であることを示した。 肌のトーン評価は画像間の色の変化を補正しているように見えるが、彼らは人種やその他の要因に関するバイアスを導入した。 これらのバイアスは、技術評価やエンジニアリング上の決定に手動のスキントーン評価を使用する前に考慮する必要がある。

関連論文リスト

• FairSkin: Fair Diffusion for Skin Disease Image Generation [54.29840149709033]
  拡散モデル (DM) は, 合成医用画像の生成において主要な手法となっているが, 臨界二倍偏差に悩まされている。 このようなバイアスを3段階のリサンプリング機構によって緩和する新しいDMフレームワークであるFairSkinを提案する。 本手法は, 画像の多様性と品質を著しく向上させ, 臨床環境における皮膚疾患の検出精度の向上に寄与する。
  論文  参考訳（メタデータ） (2024-10-29T21:37:03Z)
• DDI-CoCo: A Dataset For Understanding The Effect Of Color Contrast In Machine-Assisted Skin Disease Detection [51.92255321684027]
  皮膚のトーンと色差効果の相互作用について検討し,色差が皮膚のトーン間のモデル性能バイアスの新たな原因となる可能性が示唆された。 我々の研究は皮膚疾患の検出を改善するために皮膚科のAIに補完的な角度を提供する。
  論文  参考訳（メタデータ） (2024-01-24T07:45:24Z)
• Beyond Skin Tone: A Multidimensional Measure of Apparent Skin Color [8.850979461924267]
  本論文は, コンピュータビジョンにおける皮膚の色を, 皮膚のトーンの1次元スケールを超えて測定することを目的とする。 次に,肌の色調と色調に依存した多次元肌色尺度を,公正度評価のために推奨する。
  論文  参考訳（メタデータ） (2023-09-10T21:52:47Z)
• Revisiting Skin Tone Fairness in Dermatological Lesion Classification [3.247628857305427]
  ITAに基づく4つの皮膚音分類手法をISIC18データセットで検討・比較した。 ITAに基づく皮膚のトーン推定手法のリスクを実証する先行研究の間には高い相違点がみられた。 本研究は,ISIC18データセットにおける多様性の欠如が,公正度分析のためのテストベッドとしての利用を制限することを明らかにする。
  論文  参考訳（メタデータ） (2023-08-18T15:59:55Z)
• Skin Deep: Investigating Subjectivity in Skin Tone Annotations for Computer Vision Benchmark Datasets [7.519872646378834]
  皮膚のトーンの主観的理解が皮膚のトーンアノテーションにどのように埋め込まれているかを検討する。 我々の研究は、社会技術プロジェクトとして初めて皮膚のトーンアノテーションプロセスを調査した。
  論文  参考訳（メタデータ） (2023-05-15T23:55:56Z)
• PalGAN: Image Colorization with Palette Generative Adversarial Networks [51.59276436217957]
  そこで本研究では,パレット推定とカラーアテンションを統合した新しいGANベースのカラー化手法PalGANを提案する。 PalGANは、定量的評価と視覚比較において最先端の成果を上げ、顕著な多様性、コントラスト、およびエッジ保存の外観を提供する。
  論文  参考訳（メタデータ） (2022-10-20T12:28:31Z)
• Meta Balanced Network for Fair Face Recognition [51.813457201437195]
  我々は、データとアルゴリズムの両方の側面からバイアスを体系的に科学的に研究する。 本稿では,メタバランスネットワーク(MBN)と呼ばれるメタ学習アルゴリズムを提案する。 大規模な実験により、MBNは偏見を緩和し、顔認識において異なる肌のトーンを持つ人々に対してよりバランスの取れたパフォーマンスを学ぶことができた。
  論文  参考訳（メタデータ） (2022-05-13T10:25:44Z)
• Towards Racially Unbiased Skin Tone Estimation via Scene Disambiguation [48.632358823108326]
  仮想顔アバターは、没入型コミュニケーション、ゲーム、メタバースにおいてますます重要な役割を果たす。 仮想顔アバターは、没入型コミュニケーション、ゲーム、メタバースにおいてますます重要な役割を果たす。 これは年齢、性別、民族に関係なく、アルベドで表される外観の正確な回復を必要とする。
  論文  参考訳（メタデータ） (2022-05-08T22:01:30Z)
• Automatic Facial Skin Feature Detection for Everyone [60.31670960526022]
  本研究では,野生の自撮り自撮りのために,さまざまな肌のトーンと年齢群にまたがって機能する顔顔の特徴自動検出法を提案する。 具体的には,肌の色,重度度,照明条件の異なる自撮り画像に対して,アクネ,顔料,ニキビの位置を注釈する。
  論文  参考訳（メタデータ） (2022-03-30T04:52:54Z)
• Detecting Melanoma Fairly: Skin Tone Detection and Debiasing for Skin Lesion Classification [5.71097144710995]
  修正された変分オートエンコーダを用いて、ベンチマークとして一般的に使用されるデータセットの皮膚のトーンバイアスを明らかにする。 病変画像の皮膚のトーンを自動的にラベル付けする,効率的かつ効率的なアルゴリズムを提案する。 その後、皮膚のトーンバイアスを軽減するために2つの主要なバイアスアンラーニング技術を使用します。
  論文  参考訳（メタデータ） (2022-02-06T18:53:06Z)
• Analysis of Manual and Automated Skin Tone Assignments for Face Recognition Applications [8.334167427229572]
  顔画像から皮膚のトーンを自動的に推定するために,手動Fitzpatrickスキンタイプ割り当てのセットを分析し,個別のタイポロジーアングルを用いた。 自動アプローチと手動アプローチの一致レベルは、MORPH画像の96%以上であることが判明しました。
  論文  参考訳（メタデータ） (2021-04-29T22:35:47Z)

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。