GANDiff FR：用于面部识别中因果偏差归因的混合GAN扩散合成
计算机视觉与模式识别
2025-11-18 v2
摘要
我们提出GANDiff FR，是首个精确控制人口统计和环境因素以衡量、解释和减少偏见的合成框架。GANDiff FR 将基于StyleGAN3的身份保持生成与扩散-based 属性控制相结合，使可在其他条件不变的情况下对姿态（约30度）、照明（四个方向）和表情（五个水平）进行精细操控。我们合成了10,000张在人口统计上平衡的面部图像，跨五个队列，经自动检测（98.2%）和人类审核（89%）验证真实性，以隔离并量化偏差驱动因素。在匹配的运行点下对ArcFace、CosFace和AdaFace进行基准测试显示，AdaFace可将组间TPR差异减少60%（2.5% vs. 6.3%），其中照明占残余偏见的42%。在RFW、BUPT和CASIA WebFace上的跨数据集评估确认了强大的合成到真实的迁移（r=0.85）。尽管相对于纯GAN约为20%的计算开销，GANDiff FR产生的属性条件化变体数量是纯GAN的3倍，建立了可复制的、符合欧盟AI法案要求的公平性审计标准。代码和数据已发布以支持透明、可扩展的偏差评估。
引用
@article{arxiv.2508.11334,
title = {GANDiff FR: Hybrid GAN Diffusion Synthesis for Causal Bias Attribution in Face Recognition},
author = {Md Asgor Hossain Reaj and Rajan Das Gupta and Md Yeasin Rahat and Nafiz Fahad and Md Jawadul Hasan and Tze Hui Liew},
journal= {arXiv preprint arXiv:2508.11334},
year = {2025}
}
备注
This is the preprint version of the manuscript. It is currently being prepared for submission to an academic conference