論文の概要: Accuracy and Fairness of Facial Recognition Technology in Low-Quality Police Images: An Experiment With Synthetic Faces

• arxiv url: http://arxiv.org/abs/2505.14320v1
• Date: Tue, 20 May 2025 13:07:16 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-05-21 14:49:53.243783
• Title: Accuracy and Fairness of Facial Recognition Technology in Low-Quality Police Images: An Experiment With Synthetic Faces
• Title（参考訳）: 低品質警察画像における顔認識技術の精度と公正性:合成顔を用いた実験
• Authors: Maria Cuellar, Hon Kiu, To, Arush Mehrotra,
• Abstract要約: 顔認識技術(FRT)はますます犯罪捜査に使われている。 本研究では,5種類の画像劣化(コントラスト,明るさ,動きのぼかし,ポーズシフト,分解能)が,人口集団間でFRTの精度と公平性にどのように影響するかを検討する。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Facial recognition technology (FRT) is increasingly used in criminal investigations, yet most evaluations of its accuracy rely on high-quality images, unlike those often encountered by law enforcement. This study examines how five common forms of image degradation--contrast, brightness, motion blur, pose shift, and resolution--affect FRT accuracy and fairness across demographic groups. Using synthetic faces generated by StyleGAN3 and labeled with FairFace, we simulate degraded images and evaluate performance using Deepface with ArcFace loss in 1:n identification tasks. We perform an experiment and find that false positive rates peak near baseline image quality, while false negatives increase as degradation intensifies--especially with blur and low resolution. Error rates are consistently higher for women and Black individuals, with Black females most affected. These disparities raise concerns about fairness and reliability when FRT is used in real-world investigative contexts. Nevertheless, even under the most challenging conditions and for the most affected subgroups, FRT accuracy remains substantially higher than that of many traditional forensic methods. This suggests that, if appropriately validated and regulated, FRT should be considered a valuable investigative tool. However, algorithmic accuracy alone is not sufficient: we must also evaluate how FRT is used in practice, including user-driven data manipulation. Such cases underscore the need for transparency and oversight in FRT deployment to ensure both fairness and forensic validity.
• Abstract（参考訳）: 顔認識技術(FRT)は、刑事捜査でますます使われているが、その精度の評価のほとんどは、法執行機関がしばしば遭遇する画像と異なり、高品質な画像に依存している。 本研究では,5種類の画像劣化(コントラスト,明るさ,動きのぼかし,ポーズシフト,分解能)が,人口集団間でFRTの精度と公平性にどのように影響するかを検討する。 StyleGAN3によって生成されFairFaceでラベル付けされた合成顔を用いて、劣化した画像をシミュレートし、1:nの識別タスクでArcFaceを損失したDeepfaceを用いて性能を評価する。 本研究では, 劣化が増すにつれて, 特にぼやけ, 低解像度で偽陽性率がピークとなるのに対して, 偽陰性は高くなることを示す実験を行った。 エラー率は、女性や黒人にとって一貫して高く、黒人女性は最も影響を受けやすい。 これらの格差は、実世界の調査場面でFRTが使用される際の公正性と信頼性に関する懸念を提起する。 しかし、最も困難な条件や最も影響の大きいサブグループであっても、FRTの精度は従来の法医学的手法よりもかなり高いままである。 このことは、適切に検証され、規制されている場合、FRTは貴重な調査ツールであるべきであることを示唆している。 しかし、アルゴリズムの精度だけでは十分ではない。ユーザ主導のデータ操作を含む、実際にFRTがどのように使われているかを評価する必要がある。 このようなケースは、公正性と法医学的妥当性の両方を保証するために、FRTデプロイメントの透明性と監視の必要性を強調します。

関連論文リスト

• Boosting Cross-Quality Face Verification using Blind Face Restoration [0.13654846342364302]
  低画質画像の知覚品質を高めるためには,顔認証の課題が不可欠である。 本稿では,3つの最先端のブラインドフェイス復元技術が顔認証システムの性能に与える影響について検討する。
  論文  参考訳（メタデータ） (2023-08-15T18:05:19Z)
• Attribute-Guided Encryption with Facial Texture Masking [64.77548539959501]
  本稿では,顔認識システムからユーザを保護するために,顔テクスチャマスキングを用いた属性ガイド暗号化を提案する。 提案手法は,最先端の手法よりも自然な画像を生成する。
  論文  参考訳（メタデータ） (2023-05-22T23:50:43Z)
• Real Face Foundation Representation Learning for Generalized Deepfake Detection [74.4691295738097]
  ディープフェイク技術の出現は、個人のプライバシーと公共の安全に脅威をもたらすため、社会的な問題となっている。 十分な偽の顔を集めることはほぼ不可能であり、既存の検出器があらゆる種類の操作に一般化することは困難である。 本稿では,大規模な実顔データセットから一般表現を学習することを目的としたリアルフェイスファウンデーション表現学習(RFFR)を提案する。
  論文  参考訳（メタデータ） (2023-03-15T08:27:56Z)
• On the Effect of Selfie Beautification Filters on Face Detection and Recognition [53.561797148529664]
  ソーシャルメディア画像フィルターは、例えば人工眼鏡や動物の鼻で、画像コントラスト、照明、あるいは顔の一部を妨げる。 U-NETセグメンテーションネットワークの修正版を用いて適用操作を再構築する手法を開発した。 認識の観点からは、顔を認識するために訓練されたResNet-34ネットワークを用いて抽出された特徴に対して、距離測定と訓練された機械学習アルゴリズムを用いる。
  論文  参考訳（メタデータ） (2021-10-17T22:10:56Z)
• Learning Fair Face Representation With Progressive Cross Transformer [79.73754444296213]
  フェアフェイス認識のためのプログレッシブクロストランス (PCT) 手法を提案する。 我々は,PCTが最先端FR性能を達成しつつ,顔認識におけるバイアスを軽減することができることを示した。
  論文  参考訳（メタデータ） (2021-08-11T01:31:14Z)
• On the Applicability of Synthetic Data for Face Recognition [19.095368725147367]
  国境管理の一部として収集された顔画像の使用は、欧州一般データ保護法によって制限され、当初の目的以外は処理されない。 本論文では,StyleGANとStyleGAN2で生成する合成顔画像の適合性を検討し,公的に利用可能な大規模テストデータの不足を補う。
  論文  参考訳（メタデータ） (2021-04-06T22:12:30Z)
• Inducing Predictive Uncertainty Estimation for Face Recognition [102.58180557181643]
  顔画像の「マッドペア」から画像品質訓練データを自動的に生成する手法を提案する。 生成したデータを用いて、顔画像の信頼度を推定するために、PCNetと呼ばれる軽量な予測信頼ネットワークを訓練する。
  論文  参考訳（メタデータ） (2020-09-01T17:52:00Z)
• Fighting Deepfake by Exposing the Convolutional Traces on Images [0.0]
  FACEAPPのようなモバイルアプリは、最も高度なGAN(Generative Adversarial Networks)を使用して、人間の顔写真に極端な変換を生成する。 この種のメディアオブジェクトはDeepfakeという名前を取って、マルチメディアの法医学分野における新たな課題であるDeepfake検出課題を提起した。 本稿では,画像からディープフェイク指紋を抽出する手法を提案する。
  論文  参考訳（メタデータ） (2020-08-07T08:49:23Z)
• Fake face detection via adaptive manipulation traces extraction network [9.892936175042939]
  本稿では,画像内容の抑制と操作トレースの強調のために,適応的な操作トレース抽出ネットワーク (AMTEN) を提案する。 AMTENは適応的な畳み込み層を利用して画像内の操作トレースを予測する。 様々なFIM技術によって生成された偽の顔画像を検出する場合、AMTENnetは平均精度98.52%に達する。
  論文  参考訳（メタデータ） (2020-05-11T09:16:39Z)

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。