Can Text-to-Image Generative Models Accurately Depict Age? A Comparative Study on Synthetic Portrait Generation and Age Estimation

要約

テキストからイメージへの生成モデルは、多様で光選挙的な出力を生成する際に顕著な進歩を示しています。
この論文では、年齢、国籍、性別に特に焦点を当てた、さまざまな人口統計属性を正確に表す合成ポートレートを作成する際の有効性の包括的な分析を提示します。
私たちの評価では、詳細なプロファイルを指定するプロンプト（例：32歳のカナダの男性の光エアリスティックな自撮り写真）を指定し、212の国籍、10〜78歳までの30歳の幅広い国籍、バランスの取れた性別をカバーしています。
生成された画像を、2つの確立された年齢推定モデルからのグラウンドトゥルース年齢の推定値と比較して、年齢が忠実に描かれていることを評価します。
私たちの調査結果は、テキストから画像へのモデルは、異なるアイデンティティを反映した顔を一貫して生成できることを明らかにしていますが、特定の年齢をキャプチャし、多様な人口統計上の背景を越えてそうする精度は非常に変化し続けます。
これらの結果は、実務家が重要なフィルタリングとキュレーションに投資する準備ができていない限り、現在の合成データは、堅牢な精度を必要とする高ステークスの年齢に関連したタスクに対して不十分に信頼性が高い可能性があることを示唆しています。
それにもかかわらず、絶対年齢の精度が重要ではない場合、敏感または探索的アプリケーションでは依然として有用である可能性があります。

要約(オリジナル)

Text-to-image generative models have shown remarkable progress in producing diverse and photorealistic outputs. In this paper, we present a comprehensive analysis of their effectiveness in creating synthetic portraits that accurately represent various demographic attributes, with a special focus on age, nationality, and gender. Our evaluation employs prompts specifying detailed profiles (e.g., Photorealistic selfie photo of a 32-year-old Canadian male), covering a broad spectrum of 212 nationalities, 30 distinct ages from 10 to 78, and balanced gender representation. We compare the generated images against ground truth age estimates from two established age estimation models to assess how faithfully age is depicted. Our findings reveal that although text-to-image models can consistently generate faces reflecting different identities, the accuracy with which they capture specific ages and do so across diverse demographic backgrounds remains highly variable. These results suggest that current synthetic data may be insufficiently reliable for high-stakes age-related tasks requiring robust precision, unless practitioners are prepared to invest in significant filtering and curation. Nevertheless, they may still be useful in less sensitive or exploratory applications, where absolute age precision is not critical.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google