Apr, 2024
图像地理定位估计中的区域偏见：以 SenseCity Africa 数据集为案例研究
Regional biases in image geolocation estimation: a case study with the SenseCity Africa dataset
Ximena Salgado Uribe, Martí Bosch, Jérôme Chenal
TL;DR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。