作者：Jialu Wang,Yang Liu,Xin Eric Wang

 

简介：互联网搜索影响着人们对世界的认知，因此减少“搜索结果和学习公平模式”中的偏见，对于社会利益至关重要。在这项工作中，作者研究了图像搜索中一种独特的性别偏见：对于性别中立的自然语言查询，搜索图像通常是性别不平衡的。作者诊断了两种典型的图像搜索模型，一种是在域内数据集上训练的专门模型，另一种是在互联网上大量图像和文本数据上预训练的广义表示模型。两种模式都存在严重的性别偏见。因此，作者引入了两种新的debiasing方法：（1）一种用于解决训练模型性别不平衡问题的处理中公平抽样方法；（2）以及一种基于互信息的后处理特征裁剪方法，用于Debiasis预训练模型的多模态表示。 在MS-COCO和Flickr30K基准上的大量实验表明，作者的方法显著减少了图像搜索模型中的性别偏见。

论文链接：https://arxiv.org/abs/2109.05433

HUB地址：https://hub.baai.ac.cn/view/9973

内容中包含的图片若涉及版权问题，请及时与我们联系删除