用于公平人脸识别的不变特征正则化
计算机视觉与模式识别
2023-10-24 v1
摘要
公平人脸识别的关键在于学习对任一人口统计群体中未见人脸都具有泛化能力的不变特征。遗憾的是,人脸数据集不可避免地捕捉到真实世界观测中普遍存在的失衡人口统计属性,模型由此学到在少数群体中泛化能力差的偏置特征。我们指出,该偏置源于混淆的人口统计属性,其误导模型捕捉到虚假的群体特定特征。混淆效应只能通过因果干预消除,而这需要混淆因子标注。然而,由于人口统计属性的多样性,此类标注可能极其昂贵。为此,我们提出以无监督方式迭代地生成多样化的数据划分。每个数据划分充当自标注的混淆因子,使我们的不变特征正则化(INV-REG)得以去混淆。INV-REG与现有方法正交,将INV-REG与两个强基线(Arcface和CIFP)结合,取得了新的SOTA,提升了多种人口统计群体下的人脸识别性能。代码见 https://github.com/PanasonicConnect/InvReg。
引用
@article{arxiv.2310.14652,
title = {Invariant Feature Regularization for Fair Face Recognition},
author = {Jiali Ma and Zhongqi Yue and Kagaya Tomoyuki and Suzuki Tomoki and Karlekar Jayashree and Sugiri Pranata and Hanwang Zhang},
journal= {arXiv preprint arXiv:2310.14652},
year = {2023}
}
备注
Accepted by International Conference on Computer Vision (ICCV) 2023