Recent studies have highlighted biases in generative models, shedding light
on their predisposition towards gender-based stereotypes and imbalances. This
paper contributes to this growing body of research by intr
这项研究分析了由三种流行的生成人工智能工具生成的图像 - Midjourney、Stable Diffusion 和 DALLE 2 - 代表各种职业,以调查 AI 生成器中潜在的偏见。我们的分析揭示了这些 AI 生成器中两个主要关注领域,包括(1)系统性的性别和种族偏见,以及(2)面部表情和外貌方面的微妙偏见。
本论文探究了扩散模型在人脸生成中存在的偏见来源,如性别、种族和年龄等属性,并调查了数据集大小对不同属性类别下扩散模型和对抗生成网络(GAN)模型的属性组成和感知质量的影响,结果发现扩散模型往往会恶化训练数据的分布偏见,同时受到数据集大小的影响,而拥有较多样本的平衡数据集训练的 GAN 模型在不同属性方面表现出较小的偏差。