- CVPRMICap: 一个统一的身份感知电影描述模型
本文介绍了一种新的单阶段方法，可以在给定带空白的字幕时无缝切换到基于身份感知的字幕生成或填空任务。我们使用一个共享自回归解码器的模型（MICap），该模型在 FITB 和全字幕生成目标的训练中受益，而编码器可以根据需要利用或忽略输入中带有空 - 自由放任的危害：生成式语言模型中的算法偏差
通过开放式提示，我们发现模型产生的文本在描绘边缘群体的身份时存在错误、隐含和刻板印象的问题，这些问题可能导致心理伤害和认知能力下降。
- 将明确的凝视约束引入面部交换
本研究提出了一种利用凝视识别辅助脸部交换模型训练的新型损失函数，以改善脸部交换过程中的目光朝向问题，实现更自然、逼真的图片生成。结果发现，该方法在改善凝视问题方面表现明显优于现有技术。
- CVPR扩散视频自编码器：通过分离视频编码实现时态一致的人脸视频编辑
本文提出了一种基于扩散自编码器的全新的人脸视频编辑框架，该框架能够成功地从给定的视频中提取分解特征 - 首次作为人脸视频编辑模型 - 并且允许我们通过简单地操纵时间不变的特征来实现视频编辑，以解决在编辑帧之间的时间一致性等问题。该模型还具有 - 仇恨言论如何因目标身份而异：计算分析
本文研究仇恨言论如何根据目标身份在系统性方面变化。我们发现，针对特定身份群体的仇恨言论分类器很难推广到其他目标身份，而且发现与特定身份有关的仇恨言论中的单词通常涉及到刻板印象，压迫历史，社会运动和其他特定身份的社会背景。
- 好莱坞身份偏见数据集：电影对话的上下文导向的偏见分析
通过构建一种包含身份偏见注释的电影剧本数据集，使用深度学习模型识别剧本中的偏见，此举可避免影片发行受阻、诉讼等不利后果。
- 颠覆机器，变幻身份：重新学习人类分类
本文探讨机器学习模型中对个体 “身份” 的构建，倡导一种自我生成过程的身份理论，批评了传统身份范畴所造成的问题，并提出了自我生成身份的方法论。
- 网络和身份驱动语言创新的地理传播特性
该研究使用基于代理人的模型，在社交媒体平台 Twitter 上收集的创新性单词数据集基础上，揭示了文化创新传播的地理模式取决于身份认同和网络拓扑结构的交互作用。网络贡献了弱关联扩散，而身份认同则对强联系扩散起着不同寻常的作用，两者结合才能更 - AAAI面部分析中的偏差解剖
本文提出了用于面部分析的偏差检测 / 估计和减轻算法，并对已提出的偏差检测算法进行了系统综述。其主要贡献是对现有的偏差缓解算法进行了分类和广泛的概述。我们还讨论了偏差面部分析领域中的开放挑战。
- ACL标注员态度：标注员信念和身份对有害语言检测的偏见
通过两项在线研究探究了评注者身份和信仰对有毒语言的评注的影响，发现评注者的身份和信仰与有毒性评分之间有很强的关联，表明对有毒语言的注释需要在社会变量中予以情境化考虑，进而提高有毒语言的注释和检测的准确性。
- 机器学习治理
本文提出了机器学习治理的概念，并使用身份标识来确保机器学习系统的所有者对于系统的失败负责，从而增强人们对机器学习系统的信任，为未来的工作提供了机会。
- RoPAD: 无监督对抗不变性强的强鲁棒性演示攻击检测
RoPAD 是一种使用深度学习的端到端模型，通过无监督的对抗不变性来忽略图像中的视觉干扰，从而实现有效的演示攻击检测。实验证明该框架在多个基准数据集上展现了最先进的性能。
- ICCV通过对抗训练实现解耦的三维面部形状模型
本研究提出了一种基于生成对抗网络的新方法，利用生成器和鉴别器实现面部建模。通过定量和定性结果表明，这种方法能更好地分离面部特征中的自然因素，尤其是身份和表情，并且比现有的最先进方法在解耦和多样性方面表现更优秀。
- 为聊天机器赋予人格 / 身份以进行连贯对话生成
本研究使用社交媒体的一般会话数据，构建了一个包含三个模块的模型：个人信息检测器，双向 decoder 和位置检测器，有效地生成了聊天机器人的自然、多样和连贯的回复。