論文の概要: Benchmarking CLIP for Zero-Shot Face and Periocular Gender Estimation
- arxiv url: http://arxiv.org/abs/2610.06102v1
- Date: Mon, 05 Oct 2026 10:35:31 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-10-09 18:42:02.703281
- Title: Benchmarking CLIP for Zero-Shot Face and Periocular Gender Estimation
- Title（参考訳）: ゼロショット顔用ベンチマークCLIPと眼周囲性別推定
- Abstract要約: 顔画像と眼周囲画像から性別をゼロショットで推定するCLIPについて検討した。
3つのCLIPバックボーンを,男性/女性プロンプトと画像テキストの類似性を用いて,Adienceの11,299個の前頭葉画像上で評価した。
眼周囲では、ゼロショットの予測は男性に強く偏っている。
- 参考スコア（独自算出の注目度）: 38.24098612435674
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: We investigate CLIP for zero-shot gender estimation from full-face and periocular images. Three CLIP backbones are evaluated on 11,299 frontal images from Adience using image-text similarity with male/female prompts, achieving 95.54% full-face accuracy without task-specific training. For periocular, zero-shot predictions are strongly biased towards males, primarily due to a misaligned decision boundary. Threshold alignment substantially reduces this bias, reaching 85.29% accuracy. Linear SVMs trained on CLIP features provide only marginal gains, with a best periocular accuracy of 86.17%, approximately 2.8% above previous Adience results in the literature. Nevertheless, the gap with full-face performance confirms the greater difficulty of periocular gender estimation
- Abstract（参考訳）: 顔画像と眼周囲画像から性別をゼロショットで推定するCLIPについて検討した。
3つのCLIPバックボーンは、男性/女性のプロンプトと画像テキストの類似性を利用して、Adienceから11,299個の前頭骨に評価され、タスク固有のトレーニングなしで95.54%の正顔精度が達成される。
眼周囲では、ゼロショットの予測は男性に強く偏っている。
閾値アライメントは、このバイアスを大幅に減少させ、85.29%の精度に達する。
CLIPの特徴に基づいて訓練された線形SVMは、文献における以前のAdienceの結果より約2.8%高い86.17%の近視精度で、限界利得しか得られない。
それでも、顔性能の差は、眼周囲の性別推定の難しさを裏付ける
関連論文リスト
- Interpretable Image-Level Acne Severity Grading via EfficientNet-B0 Transfer Learning and Grad-CAM [0.0]
林基準に基づく4級アシネス分類器を開発した。
このモデルは2,983枚のラベル付き画像のACNE04データセットに微調整された。
93.5パーセントの精度と94.4%のマクロF1を達成し、クラスごとのF1スコアは0.92から0.97となった。
論文 参考訳（メタデータ） (2026-07-29T04:28:13Z) - Bias in Gender Bias Benchmarks: How Spurious Features Distort Evaluation [116.86965910589775]
対象物の10%だけをマスクしたり、背景が弱くぼやけたりといった、最小限の摂動でさえ、バイアススコアを劇的に変える可能性がある。
これは、現在のバイアス評価がモデル応答を、性別バイアスよりも刺激的な特徴に反映していることを示唆している。
論文 参考訳（メタデータ） (2025-09-09T11:14:11Z) - The Hard Positive Truth about Vision-Language Compositionality [64.8065854134201]
視覚言語モデルがハードポジティクスに不変であるかどうかを考察する。
強陰性字幕と強陰性字幕を併用した1,775,259枚の画像テキスト・トレーニングセットを作成した。
本研究は,CLIPの「肯定的」概念間の意味的関係の理解を徹底的に検証し,改善するための今後の研究の必要性を示唆するものである。
論文 参考訳（メタデータ） (2024-09-26T15:36:10Z) - GenderCARE: A Comprehensive Framework for Assessing and Reducing Gender Bias in Large Language Models [73.23743278545321]
大規模言語モデル(LLM)は、自然言語生成において顕著な能力を示してきたが、社会的バイアスを増大させることも観察されている。
GenderCAREは、革新的な基準、バイアス評価、リダクションテクニック、評価メトリクスを含む包括的なフレームワークである。
論文 参考訳（メタデータ） (2024-08-22T15:35:46Z) - Accessible, At-Home Detection of Parkinson's Disease via Multi-task Video Analysis [3.1851272788128644]
既存のAIベースのパーキンソン病検出方法は、主にモータや音声タスクの単調な分析に焦点を当てている。
本稿では,このマルチモーダルデータを利用して診断精度を向上させる不確実性校正核融合ネットワーク(UFNet)を提案する。
UFNetは、精度、ORC曲線下(AUROC)の面積、非隣接特異性を維持しながら感度において、シングルタスクモデルよりも優れていた。
論文 参考訳（メタデータ） (2024-06-21T04:02:19Z) - Predicting Gender via Eye Movements [2.0625936401496237]
眼球運動による性別予測の最初の安定した結果を報告する。
顔の画像を用いたデータセットを刺激として使用し、370人の参加者を多数参加させた。
以上の結果から,女性の方が刺激の左目に対して偏見が強いことが示唆された。
論文 参考訳（メタデータ） (2022-06-15T10:36:13Z) - Gendered Differences in Face Recognition Accuracy Explained by
Hairstyles, Makeup, and Facial Morphology [11.50297186426025]
女性には顔認識精度が低いという研究文献に合意がある。
テスト画像中の可視面の等しい量の制御は、女性にとって明らかに高い偽非一致率を緩和する。
さらなる分析により、化粧バランスの取れたデータセットは女性をさらに改善し、偽の非マッチ率を低くすることが示された。
論文 参考訳（メタデータ） (2021-12-29T17:07:33Z) - Analysis of Gender Inequality In Face Recognition Accuracy [11.6168015920729]
以上の結果から,(1) 類似度が高い女性に対して,(1) 類似度が高い女性に対して,(2) 類似度が高い女性に対して,(2) 類似度が高い女性に対して,詐欺師の分布は,女性の精度が低下していることが示唆された。
この現象は、アフリカ系アメリカ人、コーカサス系、アジア系の女性の顔のデータセットに共通している。
論文 参考訳（メタデータ） (2020-01-31T21:32:53Z)
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。