論文の概要: MAGE-Vein: Multi-Instance Age and Gender Estimation from Finger Vein Images
- arxiv url: http://arxiv.org/abs/2607.20897v1
- Date: Thu, 23 Jul 2026 03:45:13 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-07-24 18:26:25.272035
- Title: MAGE-Vein: Multi-Instance Age and Gender Estimation from Finger Vein Images
- Title（参考訳）: MAGE-Vein:指静脈画像からのマルチケース年齢と性別推定
- Abstract要約: 指の静脈画像からの年齢推定は、公開データセットの人口統計学的偏見や、性別などの生理的要因により、広く非現実的とみなされている。
本稿では,新しいマルチインスタンス・マルチタスク学習フレームワークであるMAGE-Veinを提案する。
提案手法は,3本の指のハイブリッドな特徴レベル融合を用いて,頑健な構造的老化の兆候を抽出する。
- 参考スコア（独自算出の注目度）: 1.4072064932290225
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Age estimation from finger vein images has been widely considered impractical due to severe demographic biases in public datasets and physiological confounding factors like gender. To overcome these limitations, we propose MAGE-Vein, a novel multi-instance, multi-task learning framework. Our approach extracts robust structural aging signs by employing a hybrid feature-level fusion of three fingers, effectively suppressing local imaging noise. Furthermore, simultaneous optimization of gender classification conditions the network to effectively eliminate gender-specific vascular variations. Evaluated on a demographically balanced dataset of 402 subjects, MAGE-Vein achieves a mean absolute error of 6.12 years and a correlation of 0.880. Our results not only overturn the conventional consensus regarding the limitations of the finger vein modality but also demonstrate that previous estimation failures were primarily artifacts of biased public datasets. Our code is available at https://github.com/gsisaoki/MAGE-Vein.
- Abstract（参考訳）: 指の静脈画像からの年齢推定は、公開データセットの人口統計学的偏見や、性別などの生理的要因により、広く非現実的とみなされている。
これらの制約を克服するために,新しいマルチインスタンス・マルチタスク学習フレームワークであるMAGE-Veinを提案する。
提案手法は, 3本の指のハイブリッドな特徴レベル融合を用いて, 局所的な画像ノイズを効果的に抑制することにより, 頑健な構造的老化の兆候を抽出する。
さらに,性別分類条件の同時最適化により,性別別血管変動を効果的に除去する。
統計学的にバランスの取れた402人の被験者のデータセットから評価すると、MAGE-Veinの平均絶対誤差は6.12年、相関は0.880年である。
以上の結果から,従来の指静脈モダリティの限界に関するコンセンサスを覆すだけでなく,従来の推定失敗が偏りのあるデータセットのアーティファクトであることを実証した。
私たちのコードはhttps://github.com/gsisaoki/MAGE-Vein.comで利用可能です。
関連論文リスト
- Deep Learning-Based Age Estimation and Gender Deep Learning-Based Age Estimation and Gender Classification for Targeted Advertisement [3.376269351435396]
本稿では, 顔画像から年齢と性別を同時分類する, 深層学習に基づく新しいアプローチを提案する。
両タスクに最適化された独自の畳み込みニューラルネットワーク(CNN)アーキテクチャを提案する。
実験の結果,性別分類の精度が向上し,95%が達成され,年齢推定に5.77年を要した平均絶対誤差が得られた。
論文 参考訳（メタデータ） (2025-07-24T16:41:26Z) - Overcoming Occlusions in the Wild: A Multi-Task Age Head Approach to Age Estimation [8.458496687170665]
本稿では,GAN(Generative Adversarial Network)とトランスフォーマーアーキテクチャを組み合わせて,隠蔽顔から頑健な年齢推定を実現する手法を提案する。
FG-NET, UTKFace, MORPHデータセットによる実験結果から, 提案手法が既存の顔年齢推定技術を超えていることが判明した。
論文 参考訳（メタデータ） (2025-06-16T13:00:05Z) - A Meaningful Perturbation Metric for Evaluating Explainability Methods [55.09730499143998]
本稿では,画像生成モデルを用いて標的摂動を行う新しい手法を提案する。
具体的には,画像の忠実さを保ちながら,入力画像の高関連画素のみを塗布し,モデルの予測を変更することに焦点を当てる。
これは、しばしばアウト・オブ・ディストリビューションの修正を生み出し、信頼できない結果をもたらす既存のアプローチとは対照的である。
論文 参考訳（メタデータ） (2025-04-09T11:46:41Z) - Latent Drifting in Diffusion Models for Counterfactual Medical Image Synthesis [55.959002385347645]
遅延ドリフトにより、医療画像に対して拡散モデルを条件付けし、反ファクト画像生成の複雑なタスクに適合させることができる。
我々は,脳MRIと胸部X線による3つの時系列的ベンチマークデータセットを用いて,対物画像生成法について検討した。
論文 参考訳（メタデータ） (2024-12-30T01:59:34Z) - Quantifying the Impact of Population Shift Across Age and Sex for Abdominal Organ Segmentation [15.546560764326541]
年齢,性別による人口移動が腹部CT画像のセグメント化に及ぼす影響について検討した。
また, 腹部臓器の分節化において, 人口移動は, クロスデータセットシフトと類似した課題であることが判明した。
以上の結果から,既知の患者特性の点におけるデータセットの多様性は,画像の特徴の点におけるデータセットの多様性と必ずしも同等ではない,という結論が得られた。
論文 参考訳（メタデータ） (2024-08-08T17:28:32Z) - Adapting Visual-Language Models for Generalizable Anomaly Detection in Medical Images [68.42215385041114]
本稿では,CLIPモデルを用いた医用異常検出のための軽量な多レベル適応と比較フレームワークを提案する。
提案手法では,複数の残像アダプタを事前学習した視覚エンコーダに統合し,視覚的特徴の段階的向上を実現する。
医学的異常検出ベンチマーク実験により,本手法が現在の最先端モデルを大幅に上回っていることが示された。
論文 参考訳（メタデータ） (2024-03-19T09:28:19Z) - Inclusive Speaker Verification with Adaptive thresholding [2.157478102241537]
性別や年齢の異なるFARでは、性別や年齢の異なるグループに対してFRR(False Rejection Rate)が異なることが判明した。
所望のFARに対して全ユーザに対してFRRを最適化するために,SVのためのコンテキスト(性別,年齢など)適応型しきい値設定フレームワークを提案する。
提案手法は,より効率的なSVシステム構築に有効であることを示す。
論文 参考訳（メタデータ） (2021-11-10T02:45:18Z) - Understanding Gender and Racial Disparities in Image Recognition Models [0.0]
クロスエントロピーを用いたマルチラベルソフトマックスの損失を,多ラベル分類問題における二進的クロスエントロピーの代わりに損失関数として検討する。
MR2データセットを用いて、モデル結果の公平性を評価し、モデルのアクティベーションを見て誤りを解釈し、可能な修正を提案する。
論文 参考訳（メタデータ） (2021-07-20T01:05:31Z) - 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) - Adversarial Semantic Data Augmentation for Human Pose Estimation [96.75411357541438]
本研究では,セマンティックデータ拡張法 (SDA) を提案する。
また,適応的セマンティックデータ拡張 (ASDA) を提案する。
最先端の結果は、挑戦的なベンチマークで得られます。
論文 参考訳（メタデータ） (2020-08-03T07:56:04Z) - Enhancing Facial Data Diversity with Style-based Face Aging [59.984134070735934]
特に、顔データセットは、通常、性別、年齢、人種などの属性の観点からバイアスされる。
本稿では, 細粒度の老化パターンをキャプチャするデータ拡張のための, 生成スタイルに基づく新しいアーキテクチャを提案する。
提案手法は, 年齢移動のための最先端アルゴリズムよりも優れていることを示す。
論文 参考訳（メタデータ） (2020-06-06T21:53:44Z)
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。