Seeing Faces in Things: A Model and Dataset for Pareidolia

要約

人間の視覚システムは、あらゆる形や大きさの顔を検出できるようにうまく調整されています。
これにより、茂みの中で未知の捕食者を発見できる可能性が高くなるなど、生存に明らかな利点がもたらされますが、誤った顔検出にもつながります。
「顔のパレイドリア」は、コーヒーの染みや空の雲の中に顔を見るなど、ランダムな刺激の中で顔のような構造を知覚することを表します。
この論文では、コンピューター ビジョンの観点から顔のパレイドリアを研究します。
私たちは、人間が注釈を付けたパレイド的な顔を持つ 5,000 枚の Web 画像で構成される「Faces in Things」の画像データセットを紹介します。
このデータセットを使用して、最先端の人間の顔検出器がどの程度パレイドリアを示すかを調査し、人間と機械の間に大きな行動のギャップがあることを発見しました。
私たちは、人間が人間の顔だけでなく動物の顔も検出するという進化上の必要性が、このギャップの一部を説明できる可能性があることを発見しました。
最後に、画像内のパレイドリアの単純な統計モデルを提案します。
人間の被験者とパレイドリア顔検出器に関する研究を通じて、どのような画像条件がパレイドリアを誘発する可能性が最も高いかに関するモデルの重要な予測を確認しました。
データセットとウェブサイト: https://aka.ms/faces-in-things

要約(オリジナル)

The human visual system is well-tuned to detect faces of all shapes and sizes. While this brings obvious survival advantages, such as a better chance of spotting unknown predators in the bush, it also leads to spurious face detections. “Face pareidolia” describes the perception of face-like structure among otherwise random stimuli: seeing faces in coffee stains or clouds in the sky. In this paper, we study face pareidolia from a computer vision perspective. We present an image dataset of “Faces in Things”, consisting of five thousand web images with human-annotated pareidolic faces. Using this dataset, we examine the extent to which a state-of-the-art human face detector exhibits pareidolia, and find a significant behavioral gap between humans and machines. We find that the evolutionary need for humans to detect animal faces, as well as human faces, may explain some of this gap. Finally, we propose a simple statistical model of pareidolia in images. Through studies on human subjects and our pareidolic face detectors we confirm a key prediction of our model regarding what image conditions are most likely to induce pareidolia. Dataset and Website: https://aka.ms/faces-in-things

arxiv情報

提供元, 利用サービス

arxiv.jp, Google