用于缓解面部合成方法偏置的采样策略
机器学习
2024-05-21 v1 计算机视觉与模式识别
摘要
合成生成的图像可用于创建媒体内容或补充训练图像分析模型的数据集。近期提出了几种用于合成高保真度人脸图像的方法；然而，这些方法引入的潜在偏置尚未得到充分关注。本文检验了在广受欢迎的 StyleGAN2 生成模型训练于 Flickr Faces HQ 数据集后所引入的偏置，并提出两种采样策略以平衡所选属性在生成人脸图像中的表示。我们关注两个受保护属性，即性别和年龄，揭示了随机采样图像在 very young 和 very old 年龄组，以及针对女性面孔的分布偏置。这些偏置也根据 GIQA 评分评估了不同的图像质量水平。为缓解偏置，我们提出两种在所选属性的线或球面上进行采样的替代方法，以增加来自欠代表类别的生成样本数量。实验结果表明，针对欠代表群体的偏置降低了，并且在不同图像质量水平下受保护特征的分布更加均匀。
引用
@article{arxiv.2405.11320,
title = {Sampling Strategies for Mitigating Bias in Face Synthesis Methods},
author = {Emmanouil Maragkoudakis and Symeon Papadopoulos and Iraklis Varlamis and Christos Diou},
journal= {arXiv preprint arXiv:2405.11320},
year = {2024}
}
备注
Accepted to the BIAS 2023 ECML-PKDD Workshop