比较分布时平衡尾部：综合公平指数 (CEI) 及其在运营人脸生物特征识别偏差评估中的应用
计算机视觉与模式识别
2025-11-06 v2 人工智能
摘要
高性能人脸识别 (FR) 系统中的人口统计偏差常常被现有指标所遗漏，尤其是在得分分布尾部上的细微差异。我们提出了综合公平指数 (CEI)，一种旨在解决这一局限性的新指标。CEI 分别分析真实得分和冒名得分分布，使其能够灵活配置对尾部概率的关注，同时也考虑整体分布形状。我们的大量实验（评估最先进的人脸识别系统、故意引入偏差的模型和多样化数据集）证实了 CEI 在检测先前方法所遗漏的细微偏差方面的优越能力。此外，我们提出了 CEI，该指标的自动化版本增强了客观性并简化了实际应用。CEI 为运营人脸识别公平性评估提供了一个稳健且灵敏的工具。所提出的方法特别针对人脸生物特征识别中的偏差评估而开发，但总体上适用于任何关注分析分布尾部的统计分布比较问题。
引用
@article{arxiv.2506.10564,
title = {Balancing Tails when Comparing Distributions: Comprehensive Equity Index (CEI) with Application to Bias Evaluation in Operational Face Biometrics},
author = {Imanol Solano and Julian Fierrez and Aythami Morales and Alejandro Peña and Ruben Tolosana and Francisco Zamora-Martinez and Javier San Agustin},
journal= {arXiv preprint arXiv:2506.10564},
year = {2025}
}