要約
公開された研究では、ジェンダーレースグループ間での自動顔画像に基づくジェンダー分類アルゴリズムの偏りが指摘されています。特に、女性と肌色が濃い人々に対する精度に不均衡が見られました。ジェンダー分類器の偏りを軽減するために、ビジョンコミュニティはいくつかの戦略を開発してきました。しかし、これらの軽減戦略の効果は主にカウカソイドとアフリカ系アメリカ人に対して限られた数のレースでしか実証されていません。さらに、これらの戦略はしばしば偏りと分類精度のトレードオフを提供します。最新技術をさらに進めるために、我々は生成視点、構造学習、および証拠学習の力を活用し、ジェンダー分類の偏りを軽減する方法を開発しました。広範な実験検証を通じて、我々の偏り軽減戦略がジェンダーレースグループ全体での分類精度向上と偏り低減において優れていることを示し、データセット内評価およびクロスデータセット評価において最先端の性能を達成しています。