論文の概要: MLLM-based Textual Explanations for Face Comparison

• arxiv url: http://arxiv.org/abs/2603.16629v1
• Date: Tue, 17 Mar 2026 15:01:00 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-03-18 17:42:07.3585
• Title: MLLM-based Textual Explanations for Face Comparison
• Title（参考訳）: MLLMによる顔比較のためのテキスト記述法
• Authors: Redwan Sony, Anil K Jain, Ross Arun,
• Abstract要約: 本研究では,MLLMが生成した顔認証タスクに関する説明を系統的に分析する。 以上の結果から,MLLMが正しい検証判断を下しても,伴う説明は検証不能あるいは幻覚的顔面属性に依存することが多いことが示唆された。
• 参考スコア（独自算出の注目度）: 9.423763930383755
• License: http://creativecommons.org/licenses/by-nc-nd/4.0/
• Abstract: Multimodal Large Language Models (MLLMs) have recently been proposed as a means to generate natural-language explanations for face recognition decisions. While such explanations facilitate human interpretability, their reliability on unconstrained face images remains underexplored. In this work, we systematically analyze MLLM-generated explanations for the unconstrained face verification task on the challenging IJB-S dataset, with a particular focus on extreme pose variation and surveillance imagery. Our results show that even when MLLMs produce correct verification decisions, the accompanying explanations frequently rely on non-verifiable or hallucinated facial attributes that are not supported by visual evidence. We further study the effect of incorporating information from traditional face recognition systems, viz., scores and decisions, alongside the input images. Although such information improves categorical verification performance, it does not consistently lead to faithful explanations. To evaluate the explanations beyond decision accuracy, we introduce a likelihood-ratio-based framework that measures the evidential strength of textual explanations. Our findings highlight fundamental limitations of current MLLMs for explainable face recognition and underscore the need for a principled evaluation of reliable and trustworthy explanations in biometric applications. Code is available at https://github.com/redwankarimsony/LR-MLLMFR-Explainability.
• Abstract（参考訳）: マルチモーダル大規模言語モデル(MLLM)は、顔認識決定のための自然言語説明を生成する手段として最近提案されている。 このような説明は人間の解釈可能性を促進するが、制約のない顔画像に対する信頼性は未解明のままである。 本研究では,難易度の高いIJB-Sデータセット上で,MLLMが生成した顔認証タスクに関する説明を系統的に分析し,極端なポーズの変動と監視画像に焦点を当てた。 以上の結果から,MLLMが正しい検証判断を下す場合でも,視覚的証拠に支えられていない非検証的・幻覚的顔面特性にしばしば依存することが示唆された。 さらに、入力画像とともに、従来の顔認識システムからの情報、ビズ、スコア、決定を組み込むことの効果について検討する。 このような情報は分類的検証性能を向上させるが、一貫して忠実な説明につながるわけではない。 判定精度以上の説明を評価するために,テキスト説明の明らかな強度を測定する可能性比に基づくフレームワークを提案する。 本研究は,現在のMLLMの基本的限界を浮き彫りにし,バイオメトリックス応用における信頼性・信頼性評価の必要性を浮き彫りにした。 コードはhttps://github.com/redwankarimsony/LR-MLLMFR-Explainabilityで公開されている。

関連論文リスト

• Seeing Before Reasoning: A Unified Framework for Generalizable and Explainable Fake Image Detection [58.82268659497348]
  この失敗の根源は、根本的なミスマッチにある、と私たちは主張する。 本稿では,偽画像検出のための汎用的で説明可能な,会話型アシスタントであるForensic-Chatを提案する。
  論文  参考訳（メタデータ） (2025-09-29T20:59:19Z)
• FaceInsight: A Multimodal Large Language Model for Face Perception [69.06084304620026]
  本研究では,顔の詳細な情報を提供する多目的顔認識大言語モデル (MLLM) を提案する。 本手法では, 顔情報間の不確かさと決定論的関係の両方をモデル化するために, 顔知識の視覚的・テキスト的アライメントを導入する。 3つの顔認識タスクに対する総合的な実験と分析により、FaceInsightはMLLMと比較した9つの性能を一貫して上回っていることが示された。
  論文  参考訳（メタデータ） (2025-04-22T06:31:57Z)
• VERIFY: A Benchmark of Visual Explanation and Reasoning for Investigating Multimodal Reasoning Fidelity [34.29409506366145]
  VERIFYは最先端MLLMの視覚的推論能力を分離し、厳格に評価するために設計されたベンチマークである。 それぞれの問題には人手による推論パスが伴い、モデル決定プロセスの詳細な評価を初めて提供する。 本稿では,従来のモデル推論パターンにおける重要な不均衡を浮き彫りにして,単なる精度を超える視覚的推論の忠実さを評価する新しい指標を提案する。
  論文  参考訳（メタデータ） (2025-03-14T16:26:11Z)
• FaithLM: Towards Faithful Explanations for Large Language Models [60.45183469474916]
  大規模言語モデルの忠実度を評価し改善するモデルに依存しないフレームワークであるFaithLMを紹介した。 FaithLMは一貫して忠実度を高め、強い自己説明ベースラインよりも人間の合理性に整合した説明を生成する。
  論文  参考訳（メタデータ） (2024-02-07T09:09:14Z)

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。