按年被提到
20222022 · 1 次2026
Studying Bias in GANs through the Lens of Race
从种族视角研究 GAN 中的偏差
Vongani H. Maluleke, Neerja Thakkar, Tim Brooks, Ethan Weber, Trevor Darrell, Alexei A. Efros, Angjoo Kanazawa, Devin Guillory · 2022
控制训练集的种族构成,考察其对 GAN 生成图像的影响
被提及 · 3 人首次 2022-10-26 · 最近 2024-02-24
3不同的人
3活跃月份
3讨论串
42被引(OpenAlex)
论文通过检查并控制不同训练数据集的种族分布,观察训练分布如何影响生成图像的质量和种族构成。结果表明生成图像的种族构成能忠实保留训练数据的构成,但推理时用于提高画质的截断(truncation)技术会加剧种族失衡;同时,某一种族质量最高的图像来自该种族占比充分的分布,标注者也一致更偏好生成的白人图像而非黑人图像。
HN 为什么提它
输入没有附带评论摘录,无法判断具体讨论点;只知道它被 3 位不同的人在 3 个不同月份提及。
实证研究难度 3 / 5约 35 分钟经得起时间
读之前最好知道
1生成对抗网络(GAN)
2训练数据分布与偏差
3截断技巧(truncation trick)
4生成图像质量评估
学习路径
读这篇之前,按顺序读书架上的 6 篇 · 参考文献来自 OpenAlex,顺序和要点由 Claude Code 排出这条路径帮你建立 GAN 偏差研究的前置知识:GAN 与 StyleGAN 系列的结构、截断技巧,以及已有的模型偏见研究(词嵌入去偏、PULSE 的种族偏差)。
- 1
- 2
渐进式增长是 StyleGAN 的前身,也是高分辨率人脸生成的常用训练方式。
读从低分辨率逐层增长的训练方式;以及它使用的高清人脸数据集。
- 3
目标论文使用 StyleGAN 作为被研究的生成模型,截断技巧也在其中使用。
读映射网络、风格输入的结构与截断(truncation)对质量和多样性的权衡。
- 4
StyleGAN2 是同一系列的改进版,是目标论文常用的生成器之一。
读归一化的重新设计与路径长度正则;不必深究伪影分析。
- 5
较早的模型偏见研究,展示如何度量并缓解社会偏见。
读如何找出偏见方向并度量;思考与图像模型偏差度量的异同。
- 6
PULSE 因在人脸上采样中表现出种族偏差而引发讨论,是目标论文的直接动机之一。
读在生成模型潜空间中搜索的方法,以及偏差问题是如何暴露的。
- 7Studying Bias in GANs through the Lens of Race
目标论文:控制训练集的种族构成,考察其对生成图像的影响。
读训练集种族比例的设置、生成图像的种族分布,以及截断对多样性的影响。
HN 书评
没有评论直接链到它;下面是它被提交的讨论串里回复最多的评论(不计入统计)讨论串里没有 ≥100 字的评论,只有提交记录。
被提交为 story · 3 次
- Studying Bias in GANs Through the Lens of Race ↗adrianhoward · 2022-10-26 · 2 分
- Studying Bias in GANs Through the Lens of Race ↗rbanffy · 2023-02-01 · 1 分
- Studying Bias in GANs Through the Lens of Race ↗pajop · 2024-02-24 · 1 分