人脸质量估计及其与人脸识别中人口统计学与非人口统计学偏差的相关性

人脸质量评估旨在估计人脸图像用于识别的效用。它是实现高性能人脸识别的关键因素。当前，这些人脸识别系统的高性能以对人口统计学和非人口统计学子群的强烈偏差为代价。近期工作表明，人脸质量评估算法应适配所部署的人脸识别系统，以实现高度准确且鲁棒的质量估计。然而，这可能导致偏差向人脸质量评估转移，从而产生歧视性效应，例如在注册过程中。在本工作中，我们深入分析了人脸识别偏差与人脸质量评估之间的相关性。实验在两个公开可用数据集上进行，分别于受控与非受控环境下使用两种流行的人脸嵌入捕获。我们评估了四种最先进的人脸质量评估方案在姿态、种族和年龄偏差方面的表现。实验表明，人脸质量评估方案对受识别偏差影响的子群赋予显著更低的质量值，证明这些方法同样存在偏差。这引发了未来工作必须解决的关于公平与歧视的伦理问题。