FAIntbench：用于评估文本到图像模型偏置的全方位精准基准

文本到图像（T2I）模型的快速发展降低了使用门槛，引发对其输出偏置的关切，但现有研究缺乏偏置的全面定义和评估框架，限制了反偏置技术的提升。为此，我们引入 FAIntbench，一个用于 T2I 模型偏置的全方位精准基准。与现有在有限方面评估偏置的基准不同，FAIntbench 从四个维度评估偏置：偏置的显现形式、偏置的可见性、获取的属性以及受保护的属性。我们将 FAIntbench 应用于评估七个最新大规模 T2I 模型，并进行人类评估，其结果表明 FAIntbench 在识别各种偏置方面具有有效性。我们的研究还揭示了关于偏置的新研究问题，包括蒸馏的副作用。本研究的发现仍属初步，凸显了 FAIntbench 在推动未来研究以减轻 T2I 模型偏置方面的潜力。本基准公开available以确保可重复性。