图像恢复中的感知公平性

图像恢复任务中的公平性是希望平等地对待不同子组的图像。现有的图像恢复公平性定义具有高度限制性。它们认为只有当重建结果落在该组的真实图像集（例如，女性的自然图像）内时，才被视为对该组（例如，女性）的正确结果；否则，被视为完全错误。因此，这类定义容易引起争议，因为图像恢复中的错误可能以多种方式表现。在这项工作中，我们提供了一种替代方法来实现图像恢复中的公平性，通过考虑组感知指数（GPI），我们将其定义为该组真实图像分布与其重建图像分布之间的统计距离。我们通过比较不同组的GPI来评估算法的公平性，并说如果所有组的GPI相同，则算法实现了完美的感知公平性（PF）。我们激励并从理论上研究了我们新的公平性概念，将其与先前的概念联系起来，并在最先进的人脸图像恢复算法上展示了其实用性。