- …
- …
#409
summarized by : Kazuki Maeno
どんな論文か？
性別・人種等の属性による顔認証の性能差(≒バイアス)の抑制を目的とした手法.
バイアスは他人誤り率(FPR)と閾値の関係において顕著に現れることに着目し、
このギャップを補正する損失関数を提案.具体的には、最終FC層の処理を、画像の埋込ベクトルとFC層の重み(≒各クラスの代表ベクトル集合)のマッチングとみなすことでFPRを算出.各画像のFPRと全画像のFPRの比を用いた重みづけを行う.
新規性
属性バイアスの問題をFPRギャップの問題と捉えた点
結果
従来手法で必要だった属性の選択とそのアノテーションをせずに、人種を考慮した評価データにおいて個別人種の認証性能を改善するとともに、人種間の認証性能のバラつきを抑える効果を確認
その他（なぜ通ったか？等）
新規性で述べた視点をうまく損失関数に落とし込んでいる.
単に結果が良いだけでなく、アノテーションフリーにしている.
- …
- …