論文の概要: Variational Latent Entropy Estimation Disentanglement: Controlled Attribute Leakage for Face Recognition
- arxiv url: http://arxiv.org/abs/2604.11250v1
- Date: Mon, 13 Apr 2026 10:01:48 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-04-14 20:13:16.462857
- Title: Variational Latent Entropy Estimation Disentanglement: Controlled Attribute Leakage for Face Recognition
- Title（参考訳）: 変分潜在エントロピー推定ディアンタングルメント:顔認識のための属性リーク制御
- Authors: Ünsal Öztürk, Vedrana Krivokuća Hahn, Sushil Bhattacharjee, Sébastien Marcel,
- Abstract要約: 顔認識の埋め込みはアイデンティティをエンコードするが、性別や民族など他の要素もエンコードする。
可変オートエンコーダを用いて事前学習した埋め込みを変換する変分潜在エントロピー推定遠絡法(VLEED)を提案する。
IJB-C,RFW,VGGFace2の男女・民族間の絡み合いの評価を行い,様々な最先端手法と比較した。
- 参考スコア（独自算出の注目度）: 25.007371375356826
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Face recognition embeddings encode identity, but they also encode other factors such as gender and ethnicity. Depending on how these factors are used by a downstream system, separating them from the information needed for verification is important for both privacy and fairness. We propose Variational Latent Entropy Estimation Disentanglement (VLEED), a post-hoc method that transforms pretrained embeddings with a variational autoencoder and encourages a distilled representation where the categorical variable of interest is separated from identity-relevant information. VLEED uses a mutual information-based objective realised through the estimation of the entropy of the categorical attribute in the latent space, and provides stable training with fine-grained control over information removal. We evaluate our method on IJB-C, RFW, and VGGFace2 for gender and ethnicity disentanglement, and compare it to various state-of-the-art methods. We report verification utility, predictability of the disentangled variable under linear and nonlinear classifiers, and group disparity metrics based on false match rates. Our results show that VLEED offers a wide range of privacy-utility tradeoffs over existing methods and can also reduce recognition bias across demographic groups.
- Abstract（参考訳）: 顔認識の埋め込みはアイデンティティをエンコードするが、性別や民族など他の要素もエンコードする。
これらの要因が下流システムでどのように使用されるかによって、検証に必要な情報から分離することが、プライバシと公正の両方にとって重要である。
本稿では,事前学習した埋め込みを変分オートエンコーダで変換するポストホック法である変分潜在エントロピー推定ディアンタングメント(VLEED)を提案し,興味のあるカテゴリ変数が識別関連情報から分離されるような蒸留表現を推奨する。
VLEEDは、潜在空間におけるカテゴリ属性のエントロピーを推定することで実現された相互情報に基づく目的を使い、情報除去のきめ細かい制御による安定したトレーニングを提供する。
IJB-C,RFW,VGGFace2の男女・民族間の絡み合いの評価を行い,様々な最先端手法と比較した。
本稿では,線形および非線形分類器における不整合変数の検証ユーティリティ,非整合変数の予測可能性,および擬似一致率に基づくグループ不整合指標について報告する。
以上の結果から,VLEEDは既存手法よりも幅広いプライバシー利用のトレードオフを提供し,人口集団間の認知バイアスを低減できることが示された。
関連論文リスト
- A Bayesian Information-Theoretic Approach to Data Attribution [7.908887001497405]
トレーニングデータ属性は、モデル予測を、影響力のあるトレーニング例に遡ることを目指している。
タンジェント特徴から構築したガウス過程サロゲートを用いて情報損失を近似する。
実験では,手法を現代的なアーキテクチャに拡張すると同時に,原則的尺度を実践的にブリッジする。
論文 参考訳（メタデータ） (2026-04-04T20:42:05Z) - Reliable and Reproducible Demographic Inference for Fairness in Face Analysis [63.46525489354455]
本稿では、従来のエンドツーエンドトレーニングをモジュラートランスファー学習アプローチで置き換える、完全に再現可能なDAIパイプラインを提案する。
このパイプラインは、正確性、公正性、そしてアイデンティティ内整合性によって定義される、新たに導入された堅牢性の概念の3つの次元にわたって監査する。
以上の結果から,提案手法は特に民族性において,強い基準線を上回り,その特性はより困難であることが示唆された。
論文 参考訳（メタデータ） (2025-10-23T12:22:02Z) - Understanding and evaluating computer vision models through the lens of counterfactuals [2.2819712364325047]
この論文は、視覚分類器および生成モデルにおけるバイアスの説明、監査、緩和に反事実を使用するフレームワークを開発する。
体系的に意味のある属性を体系的に変更し、他の属性を固定することで、これらの手法は突発的な相関を明らかにする。
これらの貢献は、識別モデルと生成モデルの両方において、解釈可能性、公正性、因果性のための統一レンズとして反事実を示す。
論文 参考訳（メタデータ） (2025-08-28T15:11:49Z) - Crafting Imperceptible On-Manifold Adversarial Attacks for Tabular Data [38.89245780759371]
本稿では,混合入力変分オートエンコーダ(VAE)を用いた遅延空間摂動フレームワークを提案し,統計的に一貫した逆の例を生成する。
提案手法は,従来の入力空間攻撃と比較して,アウトレーラ率と一貫した性能を著しく低下させることを示す。
論文 参考訳（メタデータ） (2025-07-15T05:34:44Z) - What If the Input is Expanded in OOD Detection? [77.37433624869857]
Out-of-distriion (OOD) 検出は未知のクラスからのOOD入力を特定することを目的としている。
In-distriion(ID)データと区別するために,様々なスコアリング関数を提案する。
入力空間に異なる共通の汚職を用いるという、新しい視点を導入する。
論文 参考訳（メタデータ） (2024-10-24T06:47:28Z) - Towards Intrinsic Common Discriminative Features Learning for Face
Forgery Detection using Adversarial Learning [59.548960057358435]
本稿では, 対人学習を利用して, 異なる偽造法と顔の同一性による負の効果を除去する手法を提案する。
我々の顔偽造検出モデルは、偽造法や顔の同一性の影響を排除し、共通の識別的特徴を抽出することを学ぶ。
論文 参考訳（メタデータ） (2022-07-08T09:23:59Z) - Learning Conditional Invariance through Cycle Consistency [60.85059977904014]
本稿では,データセットの変動の有意義な要因と独立な要因を識別する新しい手法を提案する。
提案手法は,対象プロパティと残りの入力情報に対する2つの別個の潜在部分空間を含む。
我々は,より意味のある因子を同定し,よりスペーサーや解釈可能なモデルに導く合成および分子データについて実証する。
論文 参考訳（メタデータ） (2021-11-25T17:33:12Z) - Balancing Biases and Preserving Privacy on Balanced Faces in the Wild [50.915684171879036]
現在の顔認識(FR)モデルには、人口統計バイアスが存在する。
さまざまな民族と性別のサブグループにまたがる偏見を測定するために、我々のバランス・フェイススをWildデータセットに導入します。
真偽と偽のサンプルペアを区別するために1点のスコアしきい値に依存すると、最適以下の結果が得られます。
本稿では,最先端ニューラルネットワークから抽出した顔特徴を用いたドメイン適応学習手法を提案する。
論文 参考訳（メタデータ） (2021-03-16T15:05:49Z) - NestedVAE: Isolating Common Factors via Weak Supervision [45.366986365879505]
我々は、バイアス低減の課題と、ドメイン間で共通する分離要因の関係を同定する。
共通因子を分離するために、潜伏変数モデルの理論と情報ボトルネック理論を組み合わせる。
共有重みを持つ2つの外部VAEは入力を再構成し、潜伏空間を推論し、一方、ネストされたVAEはペア化された画像の潜伏表現から1つの画像の潜伏表現を再構成しようとする。
論文 参考訳（メタデータ） (2020-02-26T15:49:57Z)
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。