图像地理位置估计中的区域偏差：以SenseCity Africa数据集为例的案例研究
计算机视觉与模式识别
2024-04-04 v1
摘要
人工智能的进步受到用于训练模型的数据集中根深蒂固的偏差的挑战。在图像地理位置估计中，模型大多使用来自特定地理区域（尤其是西方世界）的数据进行训练，因此可能难以理解代表性不足地区的复杂性。为评估这一问题，我们将最先进的图像地理位置估计模型（ISNs）应用于来自非洲大陆的地理标记图像众包数据集（SCA100），然后探索模型预测背后的区域和社会经济偏差。我们的发现表明，ISNs模型倾向于过度预测西方世界高收入国家的图像位置，这与其训练数据（即IM2GPS3k数据集）的地理分布一致。因此，与IM2GPS3k基准相比，ISNs模型在所有尺度上的准确性显著下降。此外，我们根据ISNs模型预测的准确程度对SCA100数据集的图像进行聚类，并显示模型在正确预测低收入地区（尤其是撒哈拉以南非洲）图像位置方面的困难。因此，我们的结果表明，使用IM2GPS3k作为图像地理位置估计和其他计算机视觉模型的训练集和基准，忽视了其在非洲背景下的潜在应用。
引用
@article{arxiv.2404.02558,
title = {Regional biases in image geolocation estimation: a case study with the SenseCity Africa dataset},
author = {Ximena Salgado Uribe and Martí Bosch and Jérôme Chenal},
journal= {arXiv preprint arXiv:2404.02558},
year = {2024}
}
备注
13 pages, 5 figures