論文の概要: Modeling Cultural Bias in Facial Expression Recognition with Adaptive Agents

• arxiv url: http://arxiv.org/abs/2510.13557v1
• Date: Wed, 15 Oct 2025 13:53:30 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-10-16 20:13:28.689903
• Title: Modeling Cultural Bias in Facial Expression Recognition with Adaptive Agents
• Title（参考訳）: 適応エージェントを用いた表情認識における文化的バイアスのモデル化
• Authors: David Freire-Obregón, José Salas-Cáceres, Javier Lorenzo-Navarro, Oliverio J. Santana, Daniel Hernández-Sosa, Modesto Castrillón-Santana,
• Abstract要約: エージェントベースのストリーミングベンチマークを導入し、異文化間合成とプログレッシブなぼかしが顔認識の堅牢性にどのように作用するかを明らかにする。 単文化集団(西欧のみ,アジアのみ)と混在環境のバランス(5/5)と不均衡(8/2, 2/8)と空間接触構造の違いについて検討した。 JAFFE(アジア)の人口は低いぼやけでは高い性能を維持しているが、中間段階ではより急激な低下を示す。 混合集団は中間パターンを示し、バランスの取れた混合は早期劣化を緩和するが、不均衡な設定は多数派弱点を増幅する
• 参考スコア（独自算出の注目度）: 4.898540110561119
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Facial expression recognition (FER) must remain robust under both cultural variation and perceptually degraded visual conditions, yet most existing evaluations assume homogeneous data and high-quality imagery. We introduce an agent-based, streaming benchmark that reveals how cross-cultural composition and progressive blurring interact to shape face recognition robustness. Each agent operates in a frozen CLIP feature space with a lightweight residual adapter trained online at sigma=0 and fixed during testing. Agents move and interact on a 5x5 lattice, while the environment provides inputs with sigma-scheduled Gaussian blur. We examine monocultural populations (Western-only, Asian-only) and mixed environments with balanced (5/5) and imbalanced (8/2, 2/8) compositions, as well as different spatial contact structures. Results show clear asymmetric degradation curves between cultural groups: JAFFE (Asian) populations maintain higher performance at low blur but exhibit sharper drops at intermediate stages, whereas KDEF (Western) populations degrade more uniformly. Mixed populations exhibit intermediate patterns, with balanced mixtures mitigating early degradation, but imbalanced settings amplify majority-group weaknesses under high blur. These findings quantify how cultural composition and interaction structure influence the robustness of FER as perceptual conditions deteriorate.
• Abstract（参考訳）: 表情認識(FER)は、文化的変化と知覚的に劣化した視覚条件の両方の下で頑健でなければならないが、既存のほとんどの評価では、同質なデータと高品質な画像が考慮されている。 エージェントベースのストリーミングベンチマークを導入し、異文化間合成とプログレッシブなぼかしが顔認識の堅牢性にどのように作用するかを明らかにする。 各エージェントは、Sigma=0でオンラインでトレーニングされ、テスト中に固定された軽量の残留アダプタで、凍結されたCLIP機能空間で動作する。 エージェントは5x5格子上で動き相互作用し、環境はシグマスケジューリングされたガウスのぼやけた入力を提供する。 単文化集団(西欧系,アジア系)と混在環境(5/5)と不均衡(8/2, 2/8)と空間接触構造の違いについて検討した。 JAFFE (アジア) は低ボケでは高い性能を維持し, 中間段階では急激な低下を示す一方, KDEF (西欧) の個体群はより均一に減少する傾向を示した。 混合集団は中間パターンを示し、バランスの取れた混合物は早期劣化を緩和するが、不均衡な設定は多数派弱点を高いぼかしの下で増幅する。 これらの知見は,文化構成と相互作用構造が知覚条件の悪化に伴うFERの堅牢性にどのように影響するかを定量的に明らかにした。

関連論文リスト

• DisCo: Reinforcement with Diversity Constraints for Multi-Human Generation [60.741022906593685]
  DisCoは、マルチヒューマン世代におけるアイデンティティの多様性を直接最適化する最初のRLベースのフレームワークである。 グループ相対ポリシー最適化によるDisCo微粒フローマッチングモデル。 DiverseHumans Testsetでは、DisCoは98.6のユニークな顔の精度とほぼ完璧なグローバルアイデンティティスプレッドを実現している。
  論文  参考訳（メタデータ） (2025-10-01T19:28:51Z)
• Unlocking the Potential of Diffusion Priors in Blind Face Restoration [63.419272650578165]
  本研究では、2つのモードを切り替えて特定のギャップを解消する統合ネットワークFLIPNETを提案する。 復元モードでは、モデルは徐々にBFR指向の特徴とLQ画像からの顔埋め込みを統合し、真正かつ忠実な顔復元を実現する。 劣化モードでは、実際の劣化データセットから学んだ知識に基づいて、劣化した画像のような現実世界を合成する。
  論文  参考訳（メタデータ） (2025-08-12T01:50:55Z)
• FairSAM: Fair Classification on Corrupted Data Through Sharpness-Aware Minimization [12.178322948983263]
  クリーンなデータに基づいてトレーニングされた画像分類モデルは、しばしば、破損したデータをテストする際に大きなパフォーマンス劣化に悩まされる。 この劣化は全体的なパフォーマンスに影響を及ぼすだけでなく、様々な階層のサブグループに不均等に影響を与え、重要なアルゴリズムバイアスの懸念を引き起こす。 既存の公平性を意識した機械学習手法は、性能格差を減らすことを目的としているが、データの破損に直面した場合、堅牢で公平な精度を維持することは困難である。 我々は、アンダーラインFairnessを指向した戦略をアンダーラインSAMに統合した新しいフレームワークである textbfFairSAM を提案する。
  論文  参考訳（メタデータ） (2025-03-29T01:51:59Z)
• Fairness Under Cover: Evaluating the Impact of Occlusions on Demographic Bias in Facial Recognition [0.0]
  BUPT-BalancedおよびBUPT-GlobalFaceデータセット上で訓練した顔認識モデルの性能評価を行った。 そこで本研究では,異なる集団間でのモデル性能にどの程度のオクルージョンが影響するかを定量化する,新しい指標である顔閉塞インパクト比(FOIR)を提案する。
  論文  参考訳（メタデータ） (2024-08-19T17:34:19Z)
• Uncertainty-guided Boundary Learning for Imbalanced Social Event Detection [64.4350027428928]
  本研究では,不均衡なイベント検出タスクのための不確実性誘導型クラス不均衡学習フレームワークを提案する。 我々のモデルは、ほとんど全てのクラス、特に不確実なクラスにおいて、社会イベントの表現と分類タスクを大幅に改善する。
  論文  参考訳（メタデータ） (2023-10-30T03:32:04Z)
• Mitigating Group Bias in Federated Learning for Heterogeneous Devices [1.181206257787103]
  フェデレートラーニング(Federated Learning)は、分散エッジアプリケーションにおけるプライバシ保護モデルトレーニングアプローチとして登場している。 本研究は,プライバシを維持しながら,資源利用のオーバーヘッドを伴わずにグループバイアスを最小限に抑えるグループフェアFLフレームワークを提案する。
  論文  参考訳（メタデータ） (2023-09-13T16:53:48Z)
• Addressing Racial Bias in Facial Emotion Recognition [1.4896509623302834]
  本研究は、人種分布の異なるサブサンプリングトレーニングセットによる人種バイアスの分析に焦点を当てた。 その結果,シミュレーションが人種的バランスに近づくにつれて,顔の小さいデータセットは公平さとパフォーマンスの指標の両方を改善することが示唆された。 顔の変動が大きい大きなデータセットでは、公正度指標は概して一定であり、人種的バランス自体が異なる人種グループ間でのテストパフォーマンスの同等性を達成するには不十分であることを示唆している。
  論文  参考訳（メタデータ） (2023-08-09T03:03:35Z)
• Balanced Classification: A Unified Framework for Long-Tailed Object Detection [74.94216414011326]
  従来の検出器は、分類バイアスによる長期データを扱う際の性能劣化に悩まされる。 本稿では,カテゴリ分布の格差に起因する不平等の適応的是正を可能にする,BAlanced CLassification (BACL) と呼ばれる統一フレームワークを提案する。 BACLは、さまざまなバックボーンとアーキテクチャを持つさまざまなデータセット間で、一貫してパフォーマンス改善を実現している。
  論文  参考訳（メタデータ） (2023-08-04T09:11:07Z)
• Modeling the Q-Diversity in a Min-max Play Game for Robust Optimization [61.39201891894024]
  群分布的ロバスト最適化(群 DRO)は、事前定義された群に対する最悪の損失を最小限にすることができる。 グループDROフレームワークをQ-Diversityを提案して再構築する。 インタラクティブなトレーニングモードによって特徴付けられるQ-Diversityは、アノテーションからグループ識別を緩和し、直接パラメータ化を行う。
  論文  参考訳（メタデータ） (2023-05-20T07:02:27Z)
• Mitigating Face Recognition Bias via Group Adaptive Classifier [53.15616844833305]
  この研究は、全てのグループの顔がより平等に表現できる公正な顔表現を学ぶことを目的としている。 我々の研究は、競争精度を維持しながら、人口集団間での顔認識バイアスを軽減することができる。
  論文  参考訳（メタデータ） (2020-06-13T06:43:37Z)

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。