用马尔可夫毯掩盖类 CelebA 数据集中的偏差：属性先验回避的事后补救
计算机视觉与模式识别
2019-07-31 v1 机器学习
摘要
属性先验回避意指对数据集常自带（元）属性（如 CelebA 与 CelebA-HQ 数据集关联的 40 个语义人脸属性）进行潜意识或有意的未建模。我们发现，这一缺陷的后果在仅建模像素空间度量、基于这些数据集学习的最先进深度生成模型中尤为严峻，导致潜空间充斥属性间偏差。当我们基于潜向量插值进行人脸编辑实验时，这一点直观显现。本文针对该问题，提出一种利用在属性空间中学习的 Ising 属性先验的事后解决方案，并通过定性实验展示其有效性。
引用
@article{arxiv.1907.12917,
title = {Covering up bias in CelebA-like datasets with Markov blankets: A post-hoc cure for attribute prior avoidance},
author = {Vinay Uday Prabhu and Dian Ang Yap and Alexander Wang and John Whaley},
journal= {arXiv preprint arXiv:1907.12917},
year = {2019}
}
备注
Accepted for presentation at the first workshop on Invertible Neural Networks and Normalizing Flows (ICML 2019), Long Beach, CA, USA