本文分析了两个大型公开图像数据集的地球多样性，发现这些数据集似乎存在明显的美欧中心主义倾向，这强调了在构建开发中国家使用的数据集时确保地球代表性的必要性。

Nov, 2017

通过进行大规模的跨文化研究，我们发现不同地理位置的人对地理表达、视觉吸引力和一致性的偏好存在显著差异，并且目前常用的自动评估指标不能充分考虑这种多样性。我们建议改进自动和人工评估方法。

May, 2024

人工智能的进展受到训练模型使用的数据集中的偏见的挑战。在图像地理定位估计中，模型通常使用特定地理区域（尤其是西方世界）的数据进行训练，因此他们可能难以理解未被充分代表的地区的复杂性。为了评估这个问题，我们使用最先进的图像地理定位估计模型（ISNs）对来自非洲大陆的众包地理定位图像数据集（SCA100）进行应用，并探讨模型预测中潜在的地区和社会经济偏见。我们的研究结果显示，ISNs 模型倾向于对西方富裕国家的图像位置进行过度预测，这与其训练数据集 IM2GPS3k 的地理分布一致。因此，与 IM2GPS3k 基准相比，ISNs 模型的准确性在各个尺度上显著降低。此外，我们基于 ISNs 模型对 SCA100 数据集中的图像进行了聚类，展示了模型在准确预测低收入地区图像位置方面的困难，尤其在撒哈拉以南非洲地区。因此，我们的研究结果表明，在图像地理定位估计和其他计算机视觉模型中，使用 IM2GPS3k 作为训练集和基准忽视了其在非洲背景下的潜在应用。

Apr, 2024

我们研究了在视觉和语言模型训练中使用大型未筛选数据集的不公平表现，以及如何应对这个问题，研究发现社会偏见在图像生成、图像描述和图像文本嵌入等视觉语言任务中都是一个持续而普遍的问题。

Apr, 2023

通过引入三个指标，我们评估了文本到图像生成系统在生成全球各地对象时的真实性、多样性和提示生成的一致性，分析了当前最先进的视觉内容生成系统中可能存在的地理偏见，并发现：（1）在提示生成非洲和西亚的对象时，模型的真实性和生成多样性较欧洲较低，（2）使用地理信息作为提示对生成的图片的一致性和多样性具有一定的负面影响，以及（3）在一些对象上，模型存在更多的区域级差异。引入这些指标是确保每个人在视觉内容创建中有积极体验的关键步骤。

Aug, 2023

本文分析了不同方法来减轻现有图像分类模型中存在的地理偏差。我们首先定量地展示了这种偏差在两个数据集中的存在情况 - Dollar Street 数据集和 ImageNet，并使用带有位置信息的图像。然后，我们提出了可以用来减少这种偏差的不同方法。最后，我们分析了这些技术对使这些模型对图像的地理位置更健壮的效果。

Dec, 2023

本篇研究探讨人本主义图像数据集的伦理问题，提出关键的伦理考虑和实践建议，旨在解决数据收集中的隐私和偏见，促进更负责任的数据管理实践。

Feb, 2023

本研究检验了 Flickr30K 数据集中众包图像描述假设仅关注可从图像本身获得的信息的假设，并提供偏见和未授权的推断列表，并讨论了在未来应用程序中如何处理以陈规为驱动的描述。

May, 2016

此研究对非洲计算机视觉领域从 2012 年到 2022 年发表的 63,000 篇 Scopus 索引计算机视觉论文进行了全面分析，同时利用大型语言模型自动解析论文摘要，对非洲计算机视觉数据集和研究进行了概述，并提出了障碍。此调查强调了鼓励非洲研究人员和机构推进该领域研究的重要性，同时强调研究主题与非洲社区需求更加一致的必要性。

Jan, 2024

通过深入分析，本文重点讨论了涉及种族、年龄和性别等因素的交叉偏见问题，提出了在当前文献中较少探索的种族、年龄和性别组合方面的性能差异。此外，本文在定量分析中引入了五个补充指标，包括不公平影响和不公平待遇指标，以克服当前主流方法中常被忽视的重要局限。研究结果表明，人脸识别系统存在普遍偏见，不仅限于种族，不同的人口统计因素导致显著不同的结果。通过揭示这些偏见及其影响，本文旨在促进进一步研究，以开发更公正、更公平的人脸识别和验证系统。

Jul, 2023