检验生成对抗网络判别器中的病态偏差：以StyleGAN3模型为例的案例研究
计算机视觉与模式识别
2024-08-29 v4 人工智能
计算机与社会
机器学习
摘要
生成对抗网络（GANs）生成逼真的人脸，人类通常难以将其与真实人脸区分开来。虽然机器学习模型中的偏差通常被认为是由训练数据中的偏差引起的，但我们在预训练的StyleGAN3-r模型的判别器中发现了无法用训练数据解释的病态内部颜色和亮度偏差。我们还发现，判别器根据图像级和人脸级质量对分数进行系统性分层，且这对不同性别、种族和其他类别的图像产生了不成比例的影响。我们检验了社会心理学中刻板印象研究常见的维度。
引用
@article{arxiv.2402.09786,
title = {Examining Pathological Bias in a Generative Adversarial Network Discriminator: A Case Study on a StyleGAN3 Model},
author = {Alvin Grissom and Ryan F. Lei and Matt Gusdorff and Jeova Farias Sales Rocha Neto and Bailey Lin and Ryan Trotter},
journal= {arXiv preprint arXiv:2402.09786},
year = {2024}
}