重新采样数据仍不够：超越单一属性缓解社会偏见
计算机视觉与模式识别
2024-07-12 v2
摘要
我们通过移除受保护群体与图像属性之间不正当的相关性来解决图像-文本数据集中的社会偏见。传统方法仅针对标记属性，忽略了来自未标记属性的偏见。使用文本引导的图像修复模型，我们的方法确保受保护群体独立于所有属性，并通过数据过滤来缓解图像修复偏见。在多标签图像分类和图像字幕任务上的评估表明，我们的方法在不损害性能的前提下，能有效减少各种模型中的偏见。
引用
@article{arxiv.2407.03623,
title = {Resampled Datasets Are Not Enough: Mitigating Societal Bias Beyond Single Attributes},
author = {Yusuke Hirota and Jerone T. A. Andrews and Dora Zhao and Orestis Papakyriakopoulos and Apostolos Modas and Yuta Nakashima and Alice Xiang},
journal= {arXiv preprint arXiv:2407.03623},
year = {2024}
}