图像上采样方法的公平性评估

原文约400字，阅读约需1分钟。发表于：。

通过综合性框架对条件生成模型进行性能和公平性评估，以图像上采样作为重点应用，并引入 UnfairFace 数据集，揭示了现有方法在公平性和多样性方面的局限性。

研究发现深度学习模型在面部情绪识别中存在种族偏见问题。通过对多样种族分布的训练集进行子采样，可以提高公正性和性能指标。然而，在具有更多面部变化的较大数据集中，种族平衡无法实现测试性能的平等。