Confidence-Calibrated Face and Kinship Verification

要約

この論文では、顔と親族関係の検証における予測の信頼性の問題を調査します。
ほとんどの既存の顔と血縁関係の検証方法は、予測結果の信頼度の推定を無視して、精度のパフォーマンスに焦点を当てています。
ただし、このようなリスクの高いタスクの信頼性をモデル化するには、信頼性の推定が不可欠です。
この問題に対処するために、最初に顔と親族の検証のための斬新でシンプルな信頼度を導入します。これにより、検証モデルは類似性スコアを特定の顔のペアの信頼度スコアに変換できます。
さらに、角度スケーリング キャリブレーション (ASC) と呼ばれる信頼性キャリブレーション アプローチを提案します。
ASC は実装が簡単で、モデルを変更せずに既存の顔および血縁関係の検証モデルに直接適用できるため、精度が維持され、信頼度が調整された確率的検証モデルが得られます。
私たちの知る限り、私たちのアプローチは、現代のコンテキストで直面し、親族関係の検証を行うための最初の一般的な信頼度調整されたソリューションです。
私たちは、広く使用されている 4 つの顔と親族の検証データセットに対して広範な実験を行い、その結果は私たちのアプローチの有効性を示しています。

要約(オリジナル)

In this paper, we investigate the problem of predictive confidence in face and kinship verification. Most existing face and kinship verification methods focus on accuracy performance while ignoring confidence estimation for their prediction results. However, confidence estimation is essential for modeling reliability in such high-risk tasks. To address this issue, we first introduce a novel yet simple confidence measure for face and kinship verification, which allows the verification models to transform the similarity score into a confidence score for a given face pair. We further propose a confidence-calibrated approach called angular scaling calibration (ASC). ASC is easy to implement and can be directly applied to existing face and kinship verification models without model modifications, yielding accuracy-preserving and confidence-calibrated probabilistic verification models. To the best of our knowledge, our approach is the first general confidence-calibrated solution to face and kinship verification in a modern context. We conduct extensive experiments on four widely used face and kinship verification datasets, and the results demonstrate the effectiveness of our approach.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google