Ter a cor da sua pele representa quem você é é uma das coisas que a maioria das pessoas experimenta e, embora possa não parecer algo importante, é seguro dizer que muitas pessoas se sentem excluídas por causa de seu tom de pele. Muitas vezes, as câmeras que capturam as imagens não capturam os tons de pele corretamente e o Google está procurando mudar isso. No ano passado, o Google anunciou o Real Tone for Pixel, que foi apenas um exemplo dos esforços do Google.
Hoje, o Google decidiu introduzir uma nova etapa em seu compromisso com a equidade da imagem e melhorar a representação em todos os seus produtos. O Google fez uma parceria com o sociólogo e profissional de Harvard, Dr. Ellis Monk, e a empresa está lançando uma nova escala de tons de pele projetada para incluir mais o espectro de tons de pele que vemos em nossa vida diária.
Google Maps recebe melhorias com’Immersive View’e a capacidade de usar o AR do Live View
A escala de tons de pele de monge revolucionará a forma como diferentes tons de pele são representados graças ao Google
É isso que o Google Maps escala parece e foi projetada para ter um fácil de usar para o desenvolvimento e avaliação de tecnologia.
O Google está chamando isso de Escala de tons de tela Monk e você pode vê-la abaixo.
Isto é o que o Google tem a dizer sobre a escala de tons de pele de monge.
Atualizar nossa abordagem ao tom de pele pode nos ajudar a entender melhor a representação em imagens, bem como avaliar se um produto ou recurso funciona bem em uma variedade de tons de pele. Isso é especialmente importante para a visão computacional, um tipo de IA que permite que os computadores vejam e entendam imagens. Quando não são construídos e testados intencionalmente para incluir uma ampla gama de tons de pele, os sistemas de visão computacional não funcionam tão bem para pessoas com pele mais escura.
A Escala MST ajudará a nós e ao setor de tecnologia em geral, crie conjuntos de dados mais representativos para que possamos treinar e avaliar modelos de IA quanto à imparcialidade, resultando em recursos e produtos que funcionam melhor para todos — de todos os tons de pele. Por exemplo, usamos a escala para avaliar e melhorar os modelos que detectam rostos em imagens.
Você pode ler mais sobre isso aqui.
