- …
- …
#281
summarized by : Ryo Takahashi
どんな論文か？
深層学習モデルが不公平な認識を行なってしまう原因として，データセット内で特定の属性同士が不適切な相関を持ってしまっているというケースがある．そこで，本論文ではGANを用いて不適切な相関を取り除くような画像生成を行うことにより公平なデータセット構築を行うという枠組みを提案した．
新規性
データセット内の不適切な相関を取り除きながら画像生成を行うために，無視したい属性(protected attribute)と分類したい属性(objective attribute)の相関を取り除きながら画像生成を行う手法を考案した．従来手法では潜在変数を動かすと二つの属性が同時に変化してしまっていたが，提案手法では潜在変数の動かし方を工夫することで両者を分離することに成功した．
結果
objective attributeの分類精度を公平性の工夫を行わないモデルとほぼ同等の性能を保ちながら，3つの公平性の評価指標において従来提案されてきた公平化の手法よりもよりよい結果を得ることができた．
その他（なぜ通ったか？等）
検証は主にcelebAのみで行なっているものの属性の分離の仕方のablationをしたり様々な指標で評価したりなど丁寧に検証を行なっている印象を受けた．
- …
- …