依然公平吗？跨语料库语音情感识别中的性别公平性研究
机器学习
2025-01-03 v1
摘要
语音情感识别（SER）是各种日常应用的重要组成部分。跨语料库 SER 模型因其泛化性能而日益受到认可。然而，人们对不同语料库中不同人口统计群体之间的公平性产生了担忧。现有的公平性研究通常仅关注特定于语料库的公平性，而忽略了其在跨语料库场景中的泛化能力。我们的研究聚焦于这一未充分探索的领域，考察跨语料库 SER 场景中的性别公平性泛化。我们强调，跨语料库 SER 模型的性能及其公平性是两个截然不同的考量因素。此外，我们提出了一种联合公平性自适应机制的方法，通过同时处理源性别和目标性别来增强 SER 迁移学习任务中的性别公平性。我们的发现为跨语料库 SER 系统中性别公平性的泛化能力提供了首批见解之一。
引用
@article{arxiv.2501.00995,
title = {Is It Still Fair? Investigating Gender Fairness in Cross-Corpus Speech Emotion Recognition},
author = {Shreya G. Upadhyay and Woan-Shiuan Chien and Chi-Chun Lee},
journal= {arXiv preprint arXiv:2501.00995},
year = {2025}
}