量化图像描述中的社会偏见放大
计算机视觉与模式识别
2022-03-30 v1 多媒体
摘要
我们研究图像描述中的社会偏见放大。图像描述模型已被证明会延续性别与种族偏见，然而，用于测量、量化和评估描述中社会偏见的指标尚未标准化。我们针对各指标的优势与局限提供了全面研究，并提出了 LIC，一种用于研究描述偏见放大的指标。我们认为，对于图像描述，仅关注受保护属性的正确预测是不够的，应考量整体语境。我们在传统与最先进（SOTA）的图像描述模型上进行了广泛评估，并惊讶地发现，仅关注受保护属性预测时，偏见缓解模型出乎意料地放大了偏见。
引用
@article{arxiv.2203.15395,
title = {Quantifying Societal Bias Amplification in Image Captioning},
author = {Yusuke Hirota and Yuta Nakashima and Noa Garcia},
journal= {arXiv preprint arXiv:2203.15395},
year = {2022}
}
备注
CVPR 2022