論文の概要: Human versus Computer Vision

• arxiv url: http://arxiv.org/abs/2608.10181v1
• Date: Mon, 10 Aug 2026 19:53:24 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-08-12 19:14:45.800331
• Title: Human versus Computer Vision
• Title（参考訳）: 人間対コンピュータビジョン
• Abstract要約: コンピュータービジョンのサリエンシモデルは、人々がどこに見えるか、画像ごとに1つのマップ、そして10億ドルの予測アテンション業界が、実際の視聴者を測る代わりにこれらのマップを販売している。 読者側からトップモデルを試してみると、ウェブカムの視線は3,023人の成人から114万点、全国的なクオータに採用され、流通するニュース写真を見た。 トレーニングされていない中央のマーカーは、トレーニングされたすべてのネットワークより優れています。 正確さは体系的に偏りがあり、年長、黒人、イデオロギー的に極端なものよりも若く、白く、中程度の視聴者を好んでいる。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Computer vision saliency models predict where people will look, one map per image, and a billion-dollar predicted-attention industry sells those maps in place of measuring real viewers. I test the leading models from the audience side, against 11.4 million webcam gaze points from 3,023 US adults recruited to national quotas, viewing circulating news photographs. I show that an untrained central marker outperforms every trained network, because the content the networks add on top of the center falls where these audiences never look. What accuracy remains is systematically biased, favoring younger, White, and moderate viewers over older, Black, and ideologically extreme ones. I propose a way forward and build on what a group's own gaze reveals about whether a model can learn that group at all, and I apply it across every demographic axis this sample supports. Ultimately, I show how systems that decide what people see can learn to see everyone, and this study supplies the standard by which such a claim should be judged.
• Abstract（参考訳）: コンピュータービジョンのサリエンシモデルは、人々がどこに見えるか、画像ごとに1つのマップ、そして10億ドルの予測アテンション業界が、実際の視聴者を測る代わりにこれらのマップを販売している。 読者側からトップモデルを試してみると、ウェブカムの視線は3,023人の成人から114万点、全国的なクオータに採用され、流通するニュース写真を見た。 トレーニングされていない中央のマーカーは、トレーニングされたすべてのネットワークより優れています。 正確さは体系的に偏りがあり、年長、黒人、イデオロギー的に極端なものよりも若く、白く、中程度の視聴者を好んでいる。 私は、モデルがそのグループを全く学べないかどうかについて、ある集団が何を目立たせるかに基づいて、前進し、構築する方法を提案し、このサンプルがサポートするすべての人口軸に適用します。 最終的に、人々が何を見ているかを決めるシステムは、みんなに会うためにどのように学習するかを示し、この研究は、そのような主張を判断する標準を提供する。

関連論文リスト

• Vision Models Predict Urban Scene Appraisal with Limited Neural Alignment [0.0]
  高い予測精度は、事前訓練された視覚埋め込みが、人間の知覚のようにシーンを整理することを証明しない。 我々は、時間とともにシーンの表現幾何学、説明可能な幾何学の比率、および17の特徴空間との対応性を推定する。 同じ埋め込みによる評価評価は、r = 0.87まで良好に予測され、2つの測度はモデル間では追跡されない。
  論文  参考訳（メタデータ） (2026-08-31T15:28:39Z)
• Measuring Social Bias in Vision-Language Models with Face-Only Counterfactuals from Real Photos [79.03150233804458]
  現実のイメージは人種と性別を混在させ、背景や衣服などの関連要因や属性を隠蔽する。 テキストのみの対実的評価パラダイムを提案する。 我々は、人種や性別に関連する顔属性のみを編集し、他の視覚的要素を全て固定することで、反事実的変異を生成する。
  論文  参考訳（メタデータ） (2026-01-11T14:35:06Z)
• Leveraging Diffusion Perturbations for Measuring Fairness in Computer Vision [25.414154497482162]
  拡散モデルを利用してそのようなデータセットを作成できることを実証する。 マルチクラスの職業分類タスクにおいて,複数の視覚言語モデルをベンチマークする。 非コーカサスラベルで生成された画像は、コーカサスラベルで生成された画像よりも、職業的誤分類率が高いことが判明した。
  論文  参考訳（メタデータ） (2023-11-25T19:40:13Z)
• BeMap: Balanced Message Passing for Fair Graph Neural Network [50.910842893257275]
  異なる人口集団の1ホップ隣人がバランスが取れていない場合、メッセージパッシングがバイアスを増幅することを示します。 本研究では,各ノードの1ホップ隣人の数を異なるグループ間でバランスをとる,公平なメッセージパッシング手法であるBeMapを提案する。
  論文  参考訳（メタデータ） (2023-06-07T02:16:36Z)
• When the Majority is Wrong: Modeling Annotator Disagreement for Subjective Tasks [45.14664901245331]
  ヘイトスピーチの検出における重要な問題は、ある声明が人口集団に対して攻撃的であるかどうかを決定することである。 我々は、潜在的に攻撃的なテキストに基づいて、個々のアノテータ評価を予測するモデルを構築した。 その結果、アノテータの評価は、その人口統計情報とオンラインコンテンツに関する意見を用いて予測できることがわかった。
  論文  参考訳（メタデータ） (2023-05-11T07:55:20Z)
• MultiModal Bias: Introducing a Framework for Stereotypical Bias Assessment beyond Gender and Race in Vision Language Models [40.12132844347926]
  MMBiasと呼ばれる視覚的およびテキスト的バイアスベンチマークを提供し、約3,800の画像と14のサブグループをカバーするフレーズからなる。 このデータセットを用いて、CLIP、ALBEF、VLTを含むいくつかの著名な自己監督型マルチモーダルモデルにおけるバイアスを評価する。 バイアスを緩和するための後処理ステップとして適用可能な,大規模な事前学習モデルに特化して設計されたデバイアス処理手法を提案する。
  論文  参考訳（メタデータ） (2023-03-16T17:36:37Z)
• GOCA: Guided Online Cluster Assignment for Self-Supervised Video Representation Learning [49.69279760597111]
  クラスタリングは教師なし学習におけるユビキタスなツールです。 既存の自己教師型表現学習手法の多くは、視覚的に支配的な特徴に基づくクラスタサンプルが一般的である。 具体的には、各ビューの初期クラスタ割り当てを事前に使用して、他のビューの最終クラスタ割り当てをガイドする、新しいクラスタリング戦略を提案する。
  論文  参考訳（メタデータ） (2022-07-20T19:26:55Z)
• Reducing Target Group Bias in Hate Speech Detectors [56.94616390740415]
  大規模な公開データセットでトレーニングされたテキスト分類モデルは、いくつかの保護されたグループで大幅に性能が低下する可能性がある。 本稿では,トークンレベルのヘイトセンスの曖昧さを実現し,トークンのヘイトセンスの表現を検知に利用することを提案する。
  論文  参考訳（メタデータ） (2021-12-07T17:49:34Z)
• Gaze Perception in Humans and CNN-Based Model [66.89451296340809]
  cnn(convolutional neural network)ベースの視線モデルと,実世界の映像における注意の軌跡を人間がどのように推定するかを比較した。 モデルと比較すると,注目点の人間推定はシーンの文脈に強く影響していることが示される。
  論文  参考訳（メタデータ） (2021-04-17T04:52:46Z)
• Image Representations Learned With Unsupervised Pre-Training Contain Human-like Biases [3.0349733976070015]
  本研究では,社会概念の表現とイメージの属性の相関関係を定量化する手法を開発した。 一般的なベンチマーク画像データセットであるImageNetでトレーニングされた最先端の教師なしモデルは、人種、性別、交差点バイアスを自動的に学習する。
  論文  参考訳（メタデータ） (2020-10-28T15:55:49Z)
• 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。