CAT:用于公平人脸属性分类的可控属性迁移
计算机视觉与模式识别
2022-09-16 v1
摘要
随着视觉识别的社会影响受到审视,若干受保护属性均衡的数据集涌现以处理不平衡数据集中的数据集偏差。然而,在人脸属性分类中,数据集偏差同时源于受保护属性层面与人脸属性层面,这使得构建多属性层面均衡的真实数据集具有挑战性。为弥合差距,我们提出一种有效流程,生成具期望人脸属性且高质量、充足的人脸图像,并补充原始数据集使其在两层面上均为均衡数据集,这在理论上满足若干公平性准则。我们的方法在性别分类与人脸属性分类上得到验证,其产生与原始数据集相当的任务性能,并在涵盖广泛指标的综合公平性评估中进一步改善公平性。此外,我们的方法在解决数据集偏差方面优于重采样与均衡数据集构建,在解决任务偏差方面优于去偏模型。
引用
@article{arxiv.2209.06850,
title = {CAT: Controllable Attribute Translation for Fair Facial Attribute Classification},
author = {Jiazhi Li and Wael Abd-Almageed},
journal= {arXiv preprint arXiv:2209.06850},
year = {2022}
}