图像描述中的表征性危害度量

先前的工作大多通过界定不清的“偏见”视角来考虑图像描述系统的公平性。相比之下，我们提出了一套用于度量五类表征性危害的技术，以及使用最先进的图像描述系统在两个最流行的图像描述数据集上获得的相应度量结果。我们的目标并非审计该图像描述系统，而是开发基于规范的度量技术，进而提供反思其中诸多挑战的机会。我们针对每类危害提出了多种度量技术。我们认为，这样做能够更好地捕捉每类危害的多面性，从而提高所得度量结果的（集体）效度。通篇中，我们讨论了度量方法背后的假设，并指出它们不成立的情形。