基于二色分离的肤色反射估计（SREDS）的泛化性及应用
图像与视频处理
2023-09-06 v1 计算机视觉与模式识别
摘要
人脸识别（FR）系统近年来已得到广泛应用且易于获取。然而，在流行的人脸识别模型中已发现某些人口群体之间存在性能差异。不同人口群体间的肤色差异可能是导致人脸识别模型中出现上述性能差异的因素之一。在缺乏或完全无法获取自我报告种族标签（例如大规模人脸识别数据集）的情况下，肤色度量提供了一种替代方案。在本工作中，我们进一步分析了基于二色分离的肤色反射估计（SREDS）相对于其他肤色度量的泛化性，并给出了在隐私保护学习方案中用 SREDS 分数替代种族标签的用例。我们的研究结果表明，SREDS 始终能生成每个受试者内部变异性更低的肤色度量，且 SREDS 值可作为自我报告种族标签的替代方案，性能下降极小。最后，我们提供了公开可用且开源的 SREDS 实现以帮助研究社区。代码见 https://github.com/JosephDrahos/SREDS
引用
@article{arxiv.2309.01235,
title = {Generalizability and Application of the Skin Reflectance Estimate Based on Dichromatic Separation (SREDS)},
author = {Joseph Drahos and Richard Plesh and Keivan Bahmani and Mahesh Banavar and Stephanie Schuckers},
journal= {arXiv preprint arXiv:2309.01235},
year = {2023}
}