利用合成数据缓解人脸识别中的人口统计偏差
计算机视觉与模式识别
2024-02-05 v1
摘要
本研究探讨了通过使用合成数据来缓解影响人脸识别技术的人口统计偏差的可能性。人口统计偏差可能对特定人口群体的个体产生影响，并可通过观察人脸识别系统在不同人口群体间表现出的性能差异来识别。这些偏差主要源于训练数据中人口群体代表性的不均衡。近年来，合成数据已成为解决影响人脸识别系统的一些问题的一种方案。特别是，在生成过程中，可以指定图像所需的人口统计和面部属性，以控制合成数据集的人口统计分布，并公平地代表不同的人口群体。我们提出用合成数据对存在某些人口统计偏差的现有人脸识别系统进行微调。我们使用 GANDiffFace 生成的合成数据集，GANDiffFace 是一个新颖的框架，能够合成具有可控人口统计分布和真实类内变化的人脸识别数据集。我们考虑了代表不同人口群体的多个数据集用于训练和评估。此外，我们微调了不同的人脸识别系统，并使用不同的指标评估其人口统计公平性。我们的结果支持了所提出的方法以及使用合成数据来缓解人脸识别中人口统计偏差的做法。
引用
@article{arxiv.2402.01472,
title = {Synthetic Data for the Mitigation of Demographic Biases in Face Recognition},
author = {Pietro Melzi and Christian Rathgeb and Ruben Tolosana and Ruben Vera-Rodriguez and Aythami Morales and Dominik Lawatsch and Florian Domin and Maxim Schaubert},
journal= {arXiv preprint arXiv:2402.01472},
year = {2024}
}
备注
8 pages, 3 figures