通过合成种族转换迈向更具包容性的人脸识别
计算机视觉与模式识别
2024-05-08 v2 人工智能
摘要
大量研究表明，现有人脸识别系统（FRS），包括商业系统，常因数据代表性不足而对某些种族表现出偏见。在本工作中，我们探索利用合成人脸图像生成方法进行种族转换与肤色修改，以增加数据集的多样性。我们首先构建了一个包含亚洲人、黑人和印度人三种种族的均衡人脸图像数据集，并以此进行了详细分析。随后，我们利用现有的基于生成对抗网络（GAN）的图像到图像翻译与流形学习模型，将一种种族转换为另一种。通过使用个体类型学角度（ITA）研究真实的肤色表征，我们进一步进行了系统分析，以评估此类数据集对 FRS 的适用性。此外，我们还利用现有的面部图像质量评估（FIQA）方法分析了图像质量特征。随后，我们使用四种不同的系统提供了全面的 FRS 性能分析。我们的发现为未来的研究铺平了道路，包括：（i）开发特定种族与通用（任意到任意）种族转换模型；（ii）扩展此类方法以创建具有多样肤色的数据库；（iii）创建代表各种种族的数据集，这有助于在解决隐私问题的同时缓解偏见。
引用
@article{arxiv.2405.01273,
title = {Towards Inclusive Face Recognition Through Synthetic Ethnicity Alteration},
author = {Praveen Kumar Chandaliya and Kiran Raja and Raghavendra Ramachandra and Zahid Akhtar and Christoph Busch},
journal= {arXiv preprint arXiv:2405.01273},
year = {2024}
}
备注
8 Pages