文本到图像生成模型中性别偏见的大规模分析
计算机视觉与模式识别
2025-10-01 v2 计算机与社会
摘要
随着图像生成技术的不断应用，理解其社会偏见，包括性别偏见，变得至关重要。本文对文本到图像 (T2I) 模型中的性别偏见进行了大规模研究，聚焦于日常情境。虽然先前的研究关注职业方面的偏见，但本研究将分析扩展到日常活动、物品和情境中的性别关联。我们构建了一个包含 3,217 个性别中性提示的数据集，并从每个提示的五个变体中生成 200 张图像（来自五个领先的 T2I 模型）。我们自动检测生成图像中人物的感知性别，并筛选出无人物或多性别人物混合的图像，最终得到 2,293,295 张图像。为便于对 T2I 模型中性别偏见进行广泛分析，我们将提示按语义相似概念分组，并计算每组提示中男性和女性图像的比例。我们的分析表明，T2I 模型会强化传统性别角色，反映日常生活中常见的性别刻板印象。女性主要出现在照顾和以人为中心的情境中，男性则多出现在技术或体力劳动情境中。
引用
@article{arxiv.2503.23398,
title = {A Large Scale Analysis of Gender Biases in Text-to-Image Generative Models},
author = {Leander Girrbach and Stephan Alaniz and Genevieve Smith and Zeynep Akata},
journal= {arXiv preprint arXiv:2503.23398},
year = {2025}
}
备注
40 pages