文章预览
由于该领域的多重进展,计算机视觉系统在过去二十年中取得了快速进步。随着这些系统越来越多地部署在高风险的现实应用中,迫切需要确保它们不会传播或放大历史或人工整理数据中的任何歧视性倾向,或无意中从虚假的相关性中学习到偏见。 本文提供了关于公平性的全面综述,总结并揭示了计算机视觉背景下的最新趋势和成功 。我们讨论的话题包括: 从广泛的公平机器学习文献和相关学科中得出的公平性的起源和技术定义。 旨在发现和分析计算机视觉系统中偏见的研究工作。 近年来提出的缓解计算机视觉系统中偏见的方法的总结。 研究人员为测量、分析和缓解偏见以及增强公平性而产生的资源和数据集的全面总结。 对该领域的成功、在多模态基础和生成模型背景下的持续趋势以及仍需解决的空白的讨论。 所提出的描述应帮助研究人员
………………………………