論文の概要: Eye Sclera for Fair Face Image Quality Assessment
- arxiv url: http://arxiv.org/abs/2501.07158v1
- Date: Mon, 13 Jan 2025 09:33:03 GMT
- ステータス: 翻訳完了
- システム内更新日: 2025-01-14 14:28:14.507889
- Title: Eye Sclera for Fair Face Image Quality Assessment
- Title（参考訳）: 公正な顔画像品質評価のためのアイスクレラ
- Authors: Wassim Kabbani, Kiran Raja, Raghavendra Ramachandra, Christoph Busch,
- Abstract要約: スクレラ領域は、顔画像の品質を評価するために、人口変動や肌の色に非依存である。
異なる肌のトーンを表わす個体の顔データセットの分析は、スクレラが顔のダイナミックレンジ、過度、過度な露出を測定する代替手段であることを示している。
- 参考スコア（独自算出の注目度）: 6.765680388573267
- License:
- Abstract: Fair operational systems are crucial in gaining and maintaining society's trust in face recognition systems (FRS). FRS start with capturing an image and assessing its quality before using it further for enrollment or verification. Fair Face Image Quality Assessment (FIQA) schemes therefore become equally important in the context of fair FRS. This work examines the sclera as a quality assessment region for obtaining a fair FIQA. The sclera region is agnostic to demographic variations and skin colour for assessing the quality of a face image. We analyze three skin tone related ISO/IEC face image quality assessment measures and assess the sclera region as an alternative area for assessing FIQ. Our analysis of the face dataset of individuals from different demographic groups representing different skin tones indicates sclera as an alternative to measure dynamic range, over- and under-exposure of face using sclera region alone. The sclera region being agnostic to skin tone, i.e., demographic factors, provides equal utility as a fair FIQA as shown by our Error-vs-Discard Characteristic (EDC) curve analysis.
- Abstract（参考訳）: 公正な運用システムは、顔認識システム(FRS)に対する社会の信頼獲得と維持に不可欠である。
FRSは、画像のキャプチャと品質の評価から始まり、さらに登録や検証に使用する。
したがって、フェアフェイス画像品質評価(FIQA)スキームは、フェアFRSの文脈でも同様に重要である。
本研究は, スクレーラを公正なFIQAを得るための品質評価領域として検討する。
スクレラ領域は、顔画像の品質を評価するために、人口変動や肌の色に非依存である。
皮膚の色調関連ISO/IEC顔画像品質評価尺度を3つ分析し, 頭蓋領域をFIQの代替領域として評価した。
異なるスキントーンを表わす異なる人口集団の顔データセットを解析したところ、スクレラはスクレラ領域のみを用いて、動的範囲、過度、過度の曝露を測定する代替手段であることが示された。
皮膚のトーンに非依存なスクレラ領域、すなわち人口統計因子は、Error-vs-Discard Characteristics (EDC)曲線解析で示されているように、公正なFIQAとして有効である。
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) - Rank-based No-reference Quality Assessment for Face Swapping [88.53827937914038]
顔スワップ法における品質測定の基準は、操作された画像とソース画像の間のいくつかの距離に依存する。
顔スワップ用に設計された新しい非参照画像品質評価法(NR-IQA)を提案する。
論文 参考訳（メタデータ） (2024-06-04T01:36:29Z) - Dual-Branch Network for Portrait Image Quality Assessment [76.27716058987251]
ポートレート画像品質評価のためのデュアルブランチネットワーク(PIQA)を提案する。
我々は2つのバックボーンネットワーク(textiti.e., Swin Transformer-B)を使用して、肖像画全体と顔画像から高品質な特徴を抽出する。
我々は、画像シーンの分類と品質評価モデルであるLIQEを利用して、品質認識とシーン固有の特徴を補助的特徴として捉えている。
論文 参考訳（メタデータ） (2024-05-14T12:43:43Z) - Robust Sclera Segmentation for Skin-tone Agnostic Face Image Quality
Assessment [5.339861501796723]
顔画像品質評価(FIQA)は、良好な顔認識性能を得るために重要である。
本研究では,エロメントの顔画像や境界制御の顔認識シナリオに適した,頑健なスクレラ分割法を提案する。
論文 参考訳（メタデータ） (2023-12-22T22:49:11Z) - Assessing Bias in Face Image Quality Assessment [0.0]
顔画像品質評価(FIQA)は、サンプル品質に関する追加情報を提供することで、顔認識(FR)の性能を向上させる。
これらの手法が基礎となる顔認識システムの影響を強く受けていると仮定することは妥当である。
現代の顔認識システムはよく機能することが知られているが、いくつかの研究では、そのようなシステムはしばしば人口統計バイアスを伴う問題を示すことが知られている。
論文 参考訳（メタデータ） (2022-11-28T12:41:59Z) - Textural-Structural Joint Learning for No-Reference Super-Resolution
Image Quality Assessment [59.91741119995321]
我々は、TSNetと呼ばれる品質予測のためのテキスト情報と構造情報を共同で探索するデュアルストリームネットワークを開発した。
画像の重要な領域に注意を払っている人間の視覚システム(HVS)を模倣することにより、視覚に敏感な領域をより区別しやすくするための空間的注意機構を開発する。
実験の結果,提案したTSNetは現状のIQA法よりも視覚的品質を正確に予測し,人間の視点との整合性を示した。
論文 参考訳（メタデータ） (2022-05-27T09:20:06Z) - 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) - Malignancy Prediction and Lesion Identification from Clinical
Dermatological Images [65.1629311281062]
臨床皮膚画像から機械学習に基づく悪性度予測と病変の同定を検討する。
まず, サブタイプや悪性度に関わらず画像に存在するすべての病変を同定し, その悪性度を推定し, 凝集により, 画像レベルの悪性度も生成する。
論文 参考訳（メタデータ） (2021-04-02T20:52:05Z) - SDD-FIQA: Unsupervised Face Image Quality Assessment with Similarity
Distribution Distance [25.109321001368496]
顔画像品質評価(FIQA)は顔認識システムの不可欠な部分となっています。
顔画像品質評価(SDD-FIQA)に類似度分布距離を組み込んだ新しい非監視FIQA法を提案する。
本手法は,クラス内類似度分布とクラス間類似度分布の間のWasserstein Distanceを計算することにより,品質疑似ラベルを生成する。
論文 参考訳（メタデータ） (2021-03-10T10:23:28Z) - Face Image Quality Assessment: A Literature Survey [16.647739693192236]
本調査は、主に可視波長の顔画像入力に焦点を当てた顔画像品質評価文献の概要を提供する。
深層学習に基づく手法の傾向が観察され,近年のアプローチにおける概念的差異が顕著である。
論文 参考訳（メタデータ） (2020-09-02T14:26:12Z) - Face Quality Estimation and Its Correlation to Demographic and
Non-Demographic Bias in Face Recognition [15.431761867166]
顔の質評価は、認識のための顔画像の有用性を推定することを目的としている。
現在、これらの顔認識システムの高性能化には、人口統計学や非人口統計学のサブグループに対する強い偏見のコストが伴っている。
近年の研究では、顔品質評価アルゴリズムは、高精度でロバストな品質評価を実現するために、デプロイされた顔認識システムに適応すべきであることが示されている。
論文 参考訳（メタデータ） (2020-04-02T14:19:12Z)
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。