文本到图像生成器中种姓的解释、表征与刻板印象

文本到图像生成器（T2I）流行度的提升，与大量研究致力于确保公平性和平等结果的工作相吻合，后者关注其对社会的影响。然而，这类工作通常聚焦于全球经验身份或以西方背景为中心。在本文中，我们针对在T2I研究中严格被忽视的背景——种姓——来探讨其解释、表征与刻板印象。我们检验了文本到图像 Stable Diffusion 对不同种姓人群的呈现方式，以及它们所执行的职业。生成每个提示词100个图像后，我们进行 CLIP 余弦相似度比较，将默认的“印度人”表征与之比较，并探讨相似性模式。我们的发现揭示了 Stable Diffusion 输出如何延续“无种姓”制度，将印度性等同于上层种姓，并以贫困标记描绘种姓压迫身份。在 particular，我们注意到对历史上被边缘化的 Dalits 进行的刻板化和代表性伤害，这些身份被明显描绘为居住在农村地区且总是处于示威中。我们的发现凸显了需要在T2I设计中采取种姓意识方法的必要性，我们随后提供了设计建议。