arXiv · 机器人与计算机视觉· Cohen Archbold, Usman Hassan, Sen-ching Samson Cheung·· 16 天前AI 评分48
隐私保护训练加剧少数群体质量下降:人脸生成模型公平性研究
Not All Minorities Are Equal: Fairness Outcomes in Private Image Generation
AI 导读
研究发现,在人脸生成模型的差分隐私训练中,更强的隐私保护会不成比例地降低欠代表群体的图像质量与效用。除数据代表性外,部分高代表属性同样出现显著退化,表明隐私对公平性的影响取决于信息特征及其交互作用。该结果强调评估生成模型时需同时考量隐私与公平性,论文目前处于 ICASSP 2027 审稿中且未开源代码。
来源:arXiv · 机器人与计算机视觉 · arxiv.org