論文の概要: Human face perception reflects inverse-generative and naturalistic discriminative objectives

• arxiv url: http://arxiv.org/abs/2605.12619v1
• Date: Tue, 12 May 2026 18:06:57 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-05-14 23:30:27.607489
• Title: Human face perception reflects inverse-generative and naturalistic discriminative objectives
• Title（参考訳）: 人間の顔知覚は逆生成的・自然主義的差別的目的を反映する
• Authors: Wenxuan Guo, Heiko H. Schütt, Kamila Maria Jozwik, Katherine R. Storrs, Nikolaus Kriegeskorte, Tal Golan,
• Abstract要約: ディープニューラルネットワークは人間の顔知覚に機械的仮説を提供する。 我々は、アーキテクチャを共有する6つのニューラルネットワークモデルを比較したが、異なるタスクで訓練した。 864人の被験者の顔相違判定に対するモデル予測を検証した。
• 参考スコア（独自算出の注目度）: 2.4126189670630733
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: The perceptual representations supporting our ability to recognize faces remain a computational mystery. Deep neural networks offer mechanistic hypotheses for human face perception, but theoretically distinct models often make indistinguishable representational predictions for randomly sampled faces. To expose diagnostic differences among these hypotheses, we compared six neural network models sharing an architecture but trained on distinct tasks, using face pairs optimized to elicit contrasting model predictions ("controversial" pairs) alongside randomly sampled pairs. We tested model predictions against face-dissimilarity judgments from 864 human participants across stimulus sets differing in realism and pose variation. Models prioritizing high-level, invariant structures (trained via inverse rendering, face identification, or object classification) most robustly matched human judgments. Furthermore, models trained on natural images typically outperformed synthetic-trained counterparts. Together, these findings suggest that human face perception is shaped by mechanisms that infer latent causes of facial appearance, discount nuisance variation, and are tuned by natural image statistics.
• Abstract（参考訳）: 顔を認識する能力を支持する知覚表現は、依然として計算ミステリーのままである。 ディープニューラルネットワークは人間の顔知覚に機械論的仮説を提供するが、理論的に異なるモデルはしばしばランダムにサンプリングされた顔に対して区別できない表現予測を行う。 これらの仮説の相違を明らかにするために、6つのニューラルネットワークモデルをアーキテクチャを共有するが、異なるタスクで訓練し、ランダムにサンプリングされたペアと対比したモデル予測("controversial" pairs")を抽出するために最適化された顔ペアを用いて比較した。 864人の被験者の顔相違判定に対するモデル予測を、現実性やポーズのバリエーションが異なる刺激セットで検証した。 高レベルの不変構造の優先順位付けモデル(逆レンダリング、顔識別、対象分類など)は、人間の判断に最も強く適合する。 さらに、自然画像に基づいて訓練されたモデルは、典型的には合成訓練されたモデルよりも優れていた。 これらの結果から,人間の顔の知覚は,表情の潜伏の原因を推測し,ニュアンスの変化を抑えるメカニズムによって形成され,自然画像統計によって調整されることが示唆された。

関連論文リスト

• Human-level 3D shape perception emerges from multi-view learning [63.048728487674815]
  任意のオブジェクトに対する人間の3次元形状推論を予測するためのモデリングフレームワークを開発する。 我々は、自然主義的な知覚データよりも視覚空間的目的を用いて訓練された新しいニューラルネットワークのクラスでこれを達成した。 人間のレベル3D知覚は、自然主義的な視覚空間データよりもシンプルでスケーラブルな学習目標から生まれる可能性がある。
  論文  参考訳（メタデータ） (2026-02-19T18:56:05Z)
• Synthesizing Images on Perceptual Boundaries of ANNs for Uncovering Human Perceptual Variability on Facial Expressions [9.172281969351795]
  本研究は、個人が同じ刺激を視る場合でも、感情分類に有意な差異を示す高知覚的変動現象について検討した。 ANNと人間の知覚の類似性に触発されて、ANN分類器に不明瞭な表情サンプルは、人間の観察者の間で異なる知覚的判断をも引き起こすという仮説を立てた。 本研究は,ANN決定境界と人間の知覚的多様性の体系的関連性を確立し,感情的解釈のパーソナライズされたモデリングに関する新たな知見を提供する。
  論文  参考訳（メタデータ） (2025-07-19T09:12:13Z)
• Epistemic Uncertainty for Generated Image Detection [107.62647907393377]
  本稿では,創成モデルの時代において重要なセキュリティ問題に対処することを目的とした,てんかん不確実性によるAI生成画像検出のための新しいフレームワークを提案する。 我々の重要な洞察は、トレーニングとテストデータの分布の相違が、機械学習モデルのエピステマティック不確実性空間に顕著に現れていることに起因している。
  論文  参考訳（メタデータ） (2024-12-08T11:32:25Z)
• Distinguishing representational geometries with controversial stimuli: Bayesian experimental design and its application to face dissimilarity judgments [0.5735035463793008]
  3次元顔モデルグラフィックスを逆転するように訓練されたニューラルネットワークは、識別、分類、あるいはオートエンコーディングで訓練されたのと同じアーキテクチャよりも、よりヒューマンアライメントであることを示す。 以上の結果から,3次元顔モデルグラフィックスを逆転するように訓練されたニューラルネットワークは,識別,分類,自動エンコーディングを訓練したのと同じアーキテクチャよりも,より人間らしくなっていることが示唆された。
  論文  参考訳（メタデータ） (2022-11-28T04:17:35Z)
• CIAO! A Contrastive Adaptation Mechanism for Non-Universal Facial Expression Recognition [80.07590100872548]
  本稿では、顔エンコーダの最後の層に異なるデータセットの特定の感情特性を適応させるメカニズムであるContrastive Inhibitory Adaptati On(CIAO)を提案する。 CIAOは、非常にユニークな感情表現を持つ6つの異なるデータセットに対して、表情認識性能が改善されている。
  論文  参考訳（メタデータ） (2022-08-10T15:46:05Z)
• Evaluation of Human and Machine Face Detection using a Novel Distinctive Human Appearance Dataset [0.76146285961466]
  画像中の顔を検出する能力において,現在最先端の顔検出モデルを評価する。 評価結果から,顔検出アルゴリズムは多様な外観に適さないことが示された。
  論文  参考訳（メタデータ） (2021-11-01T02:20:40Z)
• SynFace: Face Recognition with Synthetic Data [83.15838126703719]
  我々は、ID混在(IM)とドメイン混在(DM)を併用したSynFaceを考案し、パフォーマンスギャップを緩和する。 また、合成顔画像の系統的実験分析を行い、合成データを顔認識に効果的に活用する方法についての知見を提供する。
  論文  参考訳（メタデータ） (2021-08-18T03:41:54Z)
• Unravelling the Effect of Image Distortions for Biased Prediction of Pre-trained Face Recognition Models [86.79402670904338]
  画像歪みの存在下での4つの最先端深層顔認識モデルの性能評価を行った。 我々は、画像歪みが、異なるサブグループ間でのモデルの性能ギャップと関係していることを観察した。
  論文  参考訳（メタデータ） (2021-08-14T16:49:05Z)
• A Linked Aggregate Code for Processing Faces (Revised Version) [0.0]
  顔表現のモデルは、顔の類似性の知覚に関する実験データと比較される。 以上の結果から,LACをベースとした類似度測定は,高次視覚領域における顔表現のさらなるモデリングの出発点となる可能性が示唆された。
  論文  参考訳（メタデータ） (2020-09-17T13:29:25Z)
• Are Visual Explanations Useful? A Case Study in Model-in-the-Loop Prediction [49.254162397086006]
  画像に基づく年齢予測課題における視覚的満足度に基づく説明について検討する。 モデル予測の提示により,人間の精度が向上することが判明した。 しかし、様々な種類の説明は、人間の正確さやモデルの信頼を著しく変えることができない。
  論文  参考訳（メタデータ） (2020-07-23T20:39:40Z)

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。