利用已有偏置StyleGAN2生成零样本种族平衡数据集
计算机视觉与模式识别
2023-09-20 v2
摘要
得益于数据密集型的深度学习模型，人脸识别系统取得了显著进展，但这些模型依赖于大型隐私敏感数据集。此外，许多此类数据集在种族和人口统计方面缺乏多样性，可能导致存在偏置的模型，并产生严重的社会与安全影响。为解决这些问题，我们提出一种方法，利用偏置生成模型StyleGAN2来创建合成个体的多样化人口统计图像。该合成数据集使用一种针对特定人口群体的新颖进化搜索算法生成。通过使用所得平衡数据集（每种族50,000个身份，总计1350万张图像）训练人脸识别模型，我们可以提升其性能并最小化在真实数据集上训练的模型可能存在的偏置。
引用
@article{arxiv.2305.07710,
title = {Zero-shot racially balanced dataset generation using an existing biased StyleGAN2},
author = {Anubhav Jain and Nasir Memon and Julian Togelius},
journal= {arXiv preprint arXiv:2305.07710},
year = {2023}
}