Core Concepts
생체 인식 검증 시스템에서 인구통계학적 편향을 정량화하기 위한 기존 지표의 한계를 분석하고, 이를 극복하는 새로운 이중 지표 측정 방법을 제안한다.
Abstract
이 논문은 생체 인식 검증(Biometric Verification, BV) 시스템에서 인구통계학적 편향을 평가하고 정량화하는 기존 지표의 한계를 분석하고, 이를 극복하는 새로운 이중 지표 측정 방법을 제안한다.
기존 편향 평가 지표의 한계:
오직 일치 또는 불일치 오류율에만 초점을 맞추어 편향을 평가
중간 수준의 성능을 보이는 인구통계학적 집단의 편향을 간과
편향의 크기를 고려하지 않음
새로운 이중 지표 측정 방법 (Sum of Group Error Differences, SEDG):
각 인구통계학적 집단의 오류율과 전체 시스템의 오류율 간 차이를 측정
일치 및 불일치 오류를 모두 고려
전체 시스템 성능을 기준으로 편향을 정량화
실험 결과:
합성 데이터셋을 이용한 실험을 통해 SEDG의 효과성 입증
다양한 편향 시나리오에서 SEDG가 기존 지표보다 우수한 성능 발휘
결론:
SEDG는 편향의 크기와 유형을 모두 파악할 수 있는 장점
생체 인식 검증 시스템 평가에 SEDG 활용을 권장
Stats
단일 불리한 집단의 FMR95가 다른 집단의 FMR95보다 x배 높다.
다중 불리한 집단의 FMR95가 최선의 집단 FMR95보다 x배 높다.
Quotes
"생체 인식 검증 시스템은 종종 인구통계학적 집단 간 정확도 격차를 보이며, 이는 생체 인식 응용 프로그램에서 편향으로 이어진다."
"기존 편향 평가 지표는 한계를 가지고 있으며, 이를 극복하기 위한 새로운 일반 목적 편향 평가 측정 방법이 필요하다."