論文の概要: GeoBiaset: A Counterfactual Benchmark for Demographic Bias in World-Level Geolocalization
- arxiv url: http://arxiv.org/abs/2611.06085v1
- Date: Wed, 04 Nov 2026 07:27:31 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-11-06 03:25:58.013929
- Title: GeoBiaset: A Counterfactual Benchmark for Demographic Bias in World-Level Geolocalization
- Title（参考訳）: GeoBiaset:世界レベルのジオローカライゼーションにおけるデモグラフィックバイアスの非現実的ベンチマーク
- Abstract要約: GeoBiasetは、画像フォアグラウンドに挿入された人の明らかな人種によって、ジオローカライゼーションモデルがどのように影響するかを測定するために設計された最初のベンチマークである。
制御されたマスキング実験は、オクルージョンと背景ドリフトが地理的局在劣化を完全に説明できないことを示している。
人口統計学的に不一致な集団の被験者が挿入された場合, 最先端のジオローカライゼーションとマルチモーダルな大規模言語モデルの評価により, 大陸レベルの性能が16～47%低下したことが明らかとなった。
- 参考スコア（独自算出の注目度）: 19.394069934635812
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: World-level image geolocalization is an increasingly important task, yet the biases of current models remain poorly understood. Prior work has identified coarse dataset imbalances noting, for instance, that some cities are absent from training sets and that models tend to perform better in wealthier regions. However, no one has yet examined which visual cues drive these disparities. To do so, we introduce GeoBiaset, the first benchmark designed to measure how geolocalization models are influenced by the apparent race of a person inserted into the image foreground. The dataset consists of 9,541 images, pairing existing geotagged background images with counterfactual edits spanning seven races, holding the ground-truth coordinates fixed. Controlled masking experiments show that occlusion and background drift do not fully explain geolocalization degradation. Alongside the benchmark, we introduce the Person-Origin Perturbation Indicators (POPI), novel metrics that quantify model resilience to these demographic perturbations by measuring whether predictions are pulled toward the region associated with the inserted group. Our evaluation of state-of-the-art geolocalization and multimodal large language models reveals a 16-47% drop in continent-level performance when a subject from a demographically mismatched group is inserted. A landmark versus no-landmark analysis and gradient-weighted heatmaps show that models preferentially attend to geographic landmarks when present, but shift attention to facial features in their absence.
- Abstract（参考訳）: 世界レベルの画像ローカライゼーションはますます重要な課題となっているが、現在のモデルのバイアスは未理解のままである。
例えば、一部の都市ではトレーニングセットが欠如しており、より豊かな地域ではモデルの性能が向上する傾向にある。
しかし、これらの違いをどの視覚的手がかりが引き起こすかはまだ検討されていない。
そこで本稿では,画像フォアグラウンドに挿入された人物の見かけの人種の影響を測る最初のベンチマークであるGeoBiasetを紹介する。
データセットは9,541枚の画像で構成され、既存のジオタグ付き背景画像と7つのレースにまたがるカウンターファクトの編集を組み合わせ、地軸座標を固定する。
制御されたマスキング実験は、オクルージョンと背景ドリフトが地理的局在劣化を完全に説明できないことを示している。
提案手法は,人口変動に対するモデルレジリエンスを定量的に評価する新しい指標であるPerson-Origin Perturbation Indicators (POPI) を導入する。
人口統計学的に不一致な集団の被験者が挿入された場合, 最先端のジオローカライゼーションとマルチモーダルな大規模言語モデルの評価により, 大陸レベルの性能が16～47%低下したことが明らかとなった。
ランドマークとノーランドマークの分析と勾配重み付けされたヒートマップは、モデルが現在地におけるランドマークに優先的に出席するが、不在時の顔の特徴に注意を向けることを示している。
関連論文リスト
- GeoSEAN: Explainable Country-Level Image Geolocation for ASEAN Regions [0.0]
本研究は、ASEAN11カ国における国レベルの画像位置決めパイプラインについて説明する。
GeoGuessrスタイルのソースやGoogle Images、さらにストリートレベルの画像から4,850枚の画像を収集しました。
説明可能性について,CLIPアテンションロールアウト,YOLO26オブジェクト検出,EBPG(Energy Based Pointing Game)の重なりによる予測を行った。
論文 参考訳（メタデータ） (2026-07-14T02:38:09Z) - Where Do Vision-Language Models Fail? World Scale Analysis for Image Geolocalization [3.713195826948382]
VLM(Vision-Language Models)は、マルチモーダルタスクにまたがる強力なゼロショット推論能力を示す。
地上画像のみを用いた国レベルの画像位置情報化のための複数の最先端VLMの体系的評価を行う。
論文 参考訳（メタデータ） (2026-04-17T17:09:14Z) - GeoAgent: Learning to Geolocate Everywhere with Reinforced Geographic Characteristics [91.17301794848025]
本稿では,人間と密に推論し,詳細なアドレス結論を導出できるGeoAgentについて述べる。
従来のRLベースの手法は、パフォーマンスと解釈可能性においてブレークスルーを達成したが、AI生成のチェーン・オブ・プリート(CoT)データとトレーニング戦略に依存しているため、依然として懸念が残っている。
論文 参考訳（メタデータ） (2026-02-13T04:48:05Z) - Enhancing Contrastive Learning for Geolocalization by Discovering Hard Negatives on Semivariograms [7.1220661738937325]
そこで本研究では,半可変図を組み込んだ空間正規化コントラスト学習戦略を提案する。
空間的先行条件を明示的にモデル化することで、画像に基づく地理的局所化性能が向上することを示す。
論文 参考訳（メタデータ） (2025-09-25T20:53:06Z) - Classification Drives Geographic Bias in Street Scene Segmentation [20.14340857253721]
我々は、より複雑なタスクであるインスタンスセグメンテーションに基づいて、実世界の運転データセットのジオバイアスを調査した。
その結果,ジオビアーゼは局所化誤差よりも分類誤差が原因であることが判明した。
地域別モデルでは, 粗いクラスを用いてジオビアーゼを著しく緩和できることが示唆された。
論文 参考訳（メタデータ） (2024-12-15T05:33:10Z) - Regional biases in image geolocation estimation: a case study with the SenseCity Africa dataset [0.0]
我々は,アフリカ大陸(SCA100)から得られた画像のクラウドソースデータセットに対して,最先端の画像位置推定モデル(ISNs)を適用した。
欧米の高所得国では,ISNsモデルでは画像位置を過大に予測する傾向がみられた。
この結果から,IM2GPS3kを画像位置情報推定のトレーニングセットおよびベンチマークとして用いると,アフリカにおける潜在的な応用を見落としてしまうことが示唆された。
論文 参考訳（メタデータ） (2024-04-03T08:27:24Z) - GeoCLIP: Clip-Inspired Alignment between Locations and Images for
Effective Worldwide Geo-localization [61.10806364001535]
世界規模のジオローカライゼーションは、地球上のどこでも撮影された画像の正確な位置を特定することを目的としている。
既存のアプローチは、地球を離散的な地理的細胞に分割し、問題を分類タスクに変換する。
画像と対応するGPS位置のアライメントを強制する新しいCLIPにインスパイアされた画像-GPS検索手法であるGeoCLIPを提案する。
論文 参考訳（メタデータ） (2023-09-27T20:54:56Z) - PIGEON: Predicting Image Geolocations [44.99833362998488]
本稿では, セマンティックジオセル生成, マルチタスクコントラスト事前学習, 新たな損失関数を組み合わせた新しいジオローカライズシステムを提案する。
PIGEOTTOは、目に見えない場所に効果的に一般化する最初の画像ジオローカライズモデルである。
論文 参考訳（メタデータ） (2023-07-11T23:36:49Z) - GeoGLUE: A GeoGraphic Language Understanding Evaluation Benchmark [56.08664336835741]
我々はGeoGLUEと呼ばれるGeoGraphic Language Understanding Evaluationベンチマークを提案する。
オープンソースの地理資源からデータを収集し、6つの自然言語理解タスクを導入する。
我々は,GeoGLUEベンチマークの有効性と意義を示す一般ベースラインの評価実験と解析を行った。
論文 参考訳（メタデータ） (2023-05-11T03:21:56Z) - GeoNet: Benchmarking Unsupervised Adaptation across Geographies [71.23141626803287]
地理的ロバスト性の問題について検討し、3つの主要な貢献を行う。
まず,地理的適応のための大規模データセットGeoNetを紹介する。
第2に、シーンコンテキストにおける大きな変化から、ドメインシフトの主な原因が生じるという仮説を立てる。
第3に、最先端の教師なしドメイン適応アルゴリズムとアーキテクチャを広範囲に評価する。
論文 参考訳（メタデータ） (2023-03-27T17:59:34Z)
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。