虚构人脸的无刻板印象分类
计算机视觉与模式识别
2020-05-06 v1 机器学习
机器学习
摘要
机会均等与公平性在人工智能中正受到越来越多的关注。刻板印象是另一个歧视来源，但文献中尚未对此进行研究。如果GAN生成的人脸通过人类感知进行分类，它们将面临此类歧视。通过使用统计方法，可以消除人类对虚构人脸分类任务的影响。我们提出了一种通过惩罚回归对无刻板印象的GAN生成合成无标签图像进行标记的新方法。该方法通过最小化真实图像与目标图像之间惩罚版的最小二乘代价函数，来辅助标记新数据（虚构输出图像）。
引用
@article{arxiv.2005.02157,
title = {Stereotype-Free Classification of Fictitious Faces},
author = {Mohammadhossein Toutiaee and Soheyla Amirian and John A. Miller and Sheng Li},
journal= {arXiv preprint arXiv:2005.02157},
year = {2020}
}