用变分自编码器重编程公平GAN：一种新迁移学习模型
机器学习
2022-03-14 v1
摘要
公平性感知 GAN（FairGANs）利用生成对抗网络（GANs）的机制对生成数据施加公平性，使其免于 disparate impact 与 disparate treatment。鉴于该模型的优势与性能，我们引入一种新颖的学习框架，将预训练的 FairGAN 迁移至其它任务。该重编程过程旨在维持 FairGAN 在数据效用、分类效用与数据公平性方面的主要目标，同时拓宽其适用性与易用性。本文给出将原始架构适配于此新框架（特别是变分自编码器的使用）所需的技术扩展，并讨论新模型的收益、权衡与局限。
引用
@article{arxiv.2203.05811,
title = {Reprogramming FairGANs with Variational Auto-Encoders: A New Transfer Learning Model},
author = {Beatrice Nobile and Gabriele Santin and Bruno Lepri and Pierpaolo Brutti},
journal= {arXiv preprint arXiv:2203.05811},
year = {2022}
}