顔面ランドマーク検出における人口統計バイアスを監査する：公正な人間-ロボット相互作用のために

要旨: 人とロボットのインタラクションにおける公正さは、人間の振る舞いをロボットが解釈するために用いる知覚モデルの信頼性に大きく依存する。人口統計学的なバイアスは、高度な顔解析タスクにおいて広く研究されてきたが、顔のランドマーク検出においてそれが存在するかどうかは未解明である。本論文では、このタスクにおける人口統計学的バイアスを体系的に監査し、年齢・性別・人種のバイアスを分析する。そのために、人口統計学的な影響を、交絡となる視覚的要因から切り離すための統制された統計手法を導入する。標準的な代表モデルの評価により、交絡となる視覚的要因、特に頭部姿勢と画像解像度が、人口統計学的属性の影響を大きく上回ることが示される。注目すべきことに、これらの交絡要因を考慮した後では、性別および人種にまたがる性能差は消失する。しかし一方で、年齢に関連する統計的に有意な影響を特定しており、より高いバイアスが高齢者で観測される。これは、公正さの問題が低レベルの視覚コンポーネントにおいても生じ得て、HRI（人とロボットのインタラクション）パイプラインを通じて伝播し、脆弱な集団に対して不釣り合いに影響を及ぼし得ることを示している。このようなバイアスの監査と修正は、信頼でき、公平なロボットの知覚システムに向けた必要な手順であると主張する。