論文の概要: Face Age Verification Vulnerabilities Under Simple Appearance Manipulations

• arxiv url: http://arxiv.org/abs/2607.24194v1
• Date: Mon, 27 Jul 2026 09:13:55 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-07-28 22:34:15.374367
• Title: Face Age Verification Vulnerabilities Under Simple Appearance Manipulations
• Title（参考訳）: 単純な外観操作による顔年齢検証脆弱性
• Abstract要約: 未成年者により容易に達成できる視覚変化をシミュレートすることで、年齢検証の堅牢性に関する体系的研究を行う。 視覚,視覚言語,多モーダル大言語モデルを含む7つのモデルを,3つのデータセットと4つの操作タイプで評価した。 このような操作によってどのように異なる人口層が影響を受けるかを調べると、インド人はヒゲのスタブブル操作によって影響を受けており、女性は男性よりも影響を受けやすい。
• 参考スコア（独自算出の注目度）: 17.05392655320793
• License: http://creativecommons.org/licenses/by-sa/4.0/
• Abstract: Online platforms increasingly rely on automated age estimation systems to enforce minimum-age policies. Focusing on vision-based models designed for this task, concerns arise regarding their robustness to simple appearance changes that underage individuals may use to bypass such systems, such as drawing a mustache or applying lipstick. In this work, we present a systematic study of age verification robustness by simulating visual alterations that can be easily achieved by underage individuals. We evaluate seven models, including vision, vision-language, and multimodal large language models, across three datasets and four manipulation types. Interestingly, under drawn beard stubble, up to 61% of True Negatives are flipped into False Positives. Furthermore, we investigate how different demographics are affected by such manipulations, finding that Indians are more affected by beard stubble manipulations, while females are more affected than males across all manipulations. Finally, we explore how these biases can be mitigated using bias mitigation methodologies in lightweight linear probe settings.
• Abstract（参考訳）: オンラインプラットフォームは、最低年齢政策を実施するために、自動年齢推定システムにますます依存している。 このタスクのために設計された視覚ベースのモデルに焦点を当てると、未成年者が口ひげを引いたり口紅を塗ったりといったシステムをバイパスするのに使える単純な外観の変化に対する頑丈さに関する懸念が生じる。 本研究では,未成年者によって容易に達成できる視覚的変化をシミュレートすることで,年齢検証の堅牢性に関する体系的研究を行う。 視覚,視覚言語,多モーダル大言語モデルを含む7つのモデルを,3つのデータセットと4つの操作タイプで評価した。 興味深いことに、あごひげの裂け目の下では、True Negativesの最大61%が偽陽性者になっている。 さらに、このような操作によってどのように異なる人口層が影響を受けるかを調査し、インド人はヒゲのスタブブル操作によって影響を受けるのに対し、女性はすべての操作で男性よりも影響を受けやすいことを発見した。 最後に、これらのバイアスを軽量線形プローブ設定におけるバイアス緩和手法を用いて緩和する方法について検討する。

関連論文リスト

• Auditing Demographic Bias in Facial Landmark Detection for Fair Human-Robot Interaction [1.623939862557676]
  我々は人間とロボットのインタラクションタスクにおいて、人口統計バイアスの体系的な監査を行う。 統計学的に有意な年齢関連効果を同定し,高齢者には高いバイアスが認められた。 このようなバイアスの監査と修正は、信頼性と公平なロボット認識システムに向けた必要なステップである、と我々は主張する。
  論文  参考訳（メタデータ） (2026-04-08T11:22:18Z)
• 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)
• Bridging the gap in FER: addressing age bias in deep learning [0.562479170374811]
  深部FERモデルにおける年齢関連バイアスについて検討し,特に高齢者に焦点をあてた。 説明可能なAI(XAI)技術を用いて,表現認識と注意パターンの系統的差異を同定する。 その結果,高齢者の認識精度は一貫した改善が見られた。
  論文  参考訳（メタデータ） (2025-07-10T11:07:13Z)
• Gender Biases in Automatic Evaluation Metrics for Image Captioning [87.15170977240643]
  画像キャプションタスクのためのモデルに基づく評価指標において、性別バイアスの体系的研究を行う。 偏りのある世代と偏りのない世代を区別できないことを含む、これらの偏りのあるメトリクスを使用することによる負の結果を実証する。 人間の判断と相関を損なうことなく、測定バイアスを緩和する簡便で効果的な方法を提案する。
  論文  参考訳（メタデータ） (2023-05-24T04:27:40Z)
• A Demographic Attribute Guided Approach to Age Estimation [4.215251065887862]
  本研究は,顔属性の補助情報を活用し,属性誘導モジュールを用いた新しい年齢推定手法を提案する。 UTKFace, LAP2016, Morphの3つの公開データセットによる実験結果から, 提案手法は, 他の最先端手法と比較して優れた性能が得られることが示された。
  論文  参考訳（メタデータ） (2022-05-20T15:34:47Z)
• Robustness Disparities in Commercial Face Detection [72.25318723264215]
  私たちは、Amazon Rekognition、Microsoft Azure、Google Cloud Platformの3つのシステムの堅牢性に関する、この種の詳細なベンチマークを初めて提示します。 一般的には、年齢、男性像、肌型、薄暗い色合いの人物の写真は、他のアイデンティティーの人物よりも、エラーの影響を受けやすいことが分かりました。
  論文  参考訳（メタデータ） (2021-08-27T21:37:16Z)
• Fairness Properties of Face Recognition and Obfuscation Systems [19.195705814819306]
  顔難読化システムは、画像に追加されると知覚不能な摂動を生成し、顔認識システムがユーザを誤識別させる。 顔認識の文脈で不公平であることが知られているメートル法埋め込みネットワークに対する顔難読化のこのような依存は、人口統計学的公正性の問題を表面化させる。 グラフ埋め込みネットワークは人口統計学的に認識されており、それらの人口統計学的特性に基づいて埋め込み空間に顔をクラスタリングしている。
  論文  参考訳（メタデータ） (2021-08-05T16:18:15Z)
• FP-Age: Leveraging Face Parsing Attention for Facial Age Estimation in the Wild [50.8865921538953]
  年齢推定に顔のセマンティクスを明示的に組み込む手法を提案する。 我々は,顔解析に基づくネットワークを設計し,異なるスケールで意味情報を学習する。 提案手法は,既存の年齢推定手法を常に上回っていることを示す。
  論文  参考訳（メタデータ） (2021-06-21T14:31:32Z)
• 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)
• 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)
• Investigating Bias in Deep Face Analysis: The KANFace Dataset and Empirical Study [67.3961439193994]
  現在までに最も包括的で大規模な顔画像とビデオのデータセットを導入している。 データは、アイデンティティ、正確な年齢、性別、親族関係の点で手動で注釈付けされる。 提案したベンチマークでネットワーク埋め込みをデバイアス化する手法を導入し,テストした。
  論文  参考訳（メタデータ） (2020-05-15T00:14:39Z)

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。