Tackling Face Verification Edge Cases: In-Depth Analysis and Human-Machine Fusion Approach

要約

【タイトル】
「顔認証におけるエッジケースに対処するための、深い分析と人間・機械融合アプローチ」

【要約】
この論文では、現代の顔認識システムがいくつかのデータセットで人間の性能を上回っている中でも、機械が正しく分類できないエッジケースが存在することに着目し、機械と人間オペレーターの組み合わせが顔認証タスクの精度向上にどのような影響を与えるかを調査しています。

具体的な内容を箇条書きでまとめると以下のとおりです。

– 現代の顔認識システムは、いくつかのデータセットで人間の性能を上回っている。
– しかし、依然として機械が正しく分類できないエッジケースが存在する。
– 本研究では、いくつかの最新モデルのエッジケースを調査し、データセットに共通する難しい設定を発見する。
– さらに、これらのタスクを60人によるヒトによる評価実験で分析する。
– 最後に、機械と人間の意思決定を組み合わせることで、ベンチマークデータセットに対する最新の顔認証システムの性能をさらに向上させる可能性を示す。
– コードとデータはGitHubで公開されている。

要約(オリジナル)

Nowadays, face recognition systems surpass human performance on several datasets. However, there are still edge cases that the machine can’t correctly classify. This paper investigates the effect of a combination of machine and human operators in the face verification task. First, we look closer at the edge cases for several state-of-the-art models to discover common datasets’ challenging settings. Then, we conduct a study with 60 participants on these selected tasks with humans and provide an extensive analysis. Finally, we demonstrate that combining machine and human decisions can further improve the performance of state-of-the-art face verification systems on various benchmark datasets. Code and data are publicly available on GitHub.

arxiv情報

提供元, 利用サービス

arxiv.jp, OpenAI