更公平的分析与人口统计学平衡的人脸生成以实现更公平的人脸验证

人脸识别与验证是两项计算机视觉任务，其性能随着深度表征的引入而取得了显著进展。然而，由于人脸数据本身的敏感性以及现实训练数据集中的偏见，存在伦理、法律和技术挑战，阻碍了其发展。生成式AI通过创建虚构身份来解决隐私问题，但公平性问题仍然存在。使用现有的DCFace最先进框架，我们引入一种新的受控生成管道，以提高公平性。通过经典公平性指标和基于logit模型和方差分析的提出深入统计分析，我们展示了我们的生成管道在公平性方面优于其他偏差缓解方法，同时略微提升了原始性能。