当算法产生偏好：人脸生成与感知中的容貌歧视
机器学习
2025-08-25 v1 人工智能
计算机视觉与模式识别
摘要
本文研究了合成生成的人脸与基于机器学习的性别分类算法如何受到算法容貌歧视（基于外貌的偏好性对待）的影响。在使用 13,200 张合成生成的人脸进行的实验中，我们发现：(1) 文本到图像（T2I）系统倾向于将面部吸引力与智力和可信度等无关的积极特征联系起来；(2) 性别分类模型在“吸引力较低”的人脸上表现出更高的错误率，尤其是在非白人女性中。这些结果引发了对数字身份系统公平性的担忧。
引用
@article{arxiv.2506.11025,
title = {When Algorithms Play Favorites: Lookism in the Generation and Perception of Faces},
author = {Miriam Doh and Aditya Gulati and Matei Mancas and Nuria Oliver},
journal= {arXiv preprint arXiv:2506.11025},
year = {2025}
}
备注
Accepted as an extended abstract at the Fourth European Workshop on Algorithmic Fairness (EWAF) (URL: https://2025.ewaf.org/home)