Fairness GAN
机器学习
2018-05-28 v1 计算机与社会
机器学习
摘要
在本文中，我们介绍了 Fairness GAN，这是一种用于生成数据集的方法，该数据集看似与给定的多媒体数据集相似，但在分配决策方面对于受保护属性更加公平。我们提出了一种新颖的辅助分类器 GAN，它力求实现人口统计平权或机会均等，并在多个数据集上展示了实证结果，包括 CelebFaces Attributes (CelebA) 数据集、Quick, Draw! 数据集，以及一个由足球运动员图像及其被吹罚的犯规组成的数据集。所提出的公式非常适合吸收未标记数据；我们利用这一点，用大得多的 CelebA 数据集来扩充足球数据集。该方法在生成看似真实的图像的同时，往往能改善人口统计平权和机会均等。
引用
@article{arxiv.1805.09910,
title = {Fairness GAN},
author = {Prasanna Sattigeri and Samuel C. Hoffman and Vijil Chenthamarakshan and Kush R. Varshney},
journal= {arXiv preprint arXiv:1805.09910},
year = {2018}
}