关于 GAN 在人脸验证中的偏置行为
计算机视觉与模式识别
2023-01-06 v3 人工智能
机器学习
摘要
深度学习系统需要大量数据进行训练。用于训练人脸验证系统的数据集难以获取且易引发隐私问题。由 GAN 等生成模型合成的数据可以是一个良好的替代方案。然而，我们表明由 GAN 生成的数据容易出现偏置与公平性问题。具体而言，在 FFHQ 数据集上训练的 GAN 表现出偏向于生成年龄组为 20-29 岁的白人面孔的倾向。我们还证明，当用于微调人脸验证系统时，合成面孔会造成差异影响，尤其体现在种族属性上。
引用
@article{arxiv.2208.13061,
title = {On Biased Behavior of GANs for Face Verification},
author = {Sasikanth Kotti and Mayank Vatsa and Richa Singh},
journal= {arXiv preprint arXiv:2208.13061},
year = {2023}
}
备注
Accepted as a Short Paper at Responsible Computer Vision Workshop, ECCV 2022