识别动作识别模型中的伦理偏见
计算机视觉与模式识别
2026-04-21 v1
摘要
人类动作识别（HAR）模型正在日益广泛部署于高风险环境中，但其在不同人类外貌上的公平性尚未得到分析。我们提出了一种用于审计HAR模型中偏见的框架，利用合成视频数据进行测试，数据中对视觉身份属性（如肤色）具有完全可控性。不同于侧重静态图像或姿态估计的前期工作，本方法保留了时间一致性，允许我们隔离并测试单一属性变化对模型预测的影响。通过BEDLAM仿真平台中的受控干预，我们展示了一些流行HAR模型即使在动作相同的情况下也对肤色是否存在统计显著偏见。我们的结果揭示了模型可能编码的不必要视觉关联，并提供了跨群组系统性错误的证据。本工作贡献了一种审计HAR模型的框架，并支持在不断提高监管标准的背景下，开发更透明、负责任的系统。
引用
@article{arxiv.2604.17971,
title = {Identifying Ethical Biases in Action Recognition Models},
author = {Ana Baltaretu and Pascal Benschop and Jan van Gemert},
journal= {arXiv preprint arXiv:2604.17971},
year = {2026}
}