ترجمه فارسی مقاله کاهش انصاف و تعصب در بینایی کامپیوتر: یک بررسی

چکیده

Computer vision systems have witnessed rapid progress over the past two decades due to multiple advances in the field. As these systems are increasingly being deployed in high-stakes real-world applications, there is a dire need to ensure that they do not propagate or amplify any discriminatory tendencies in historical or human-curated data or inadvertently learn biases from spurious correlations. This paper presents a comprehensive survey on fairness that summarizes and sheds light on ongoing trends and successes in the context of computer vision. The topics we discuss include 1) The origin and technical definitions of fairness drawn from the wider fair machine learning literature and adjacent disciplines. 2) Work that sought to discover and analyze biases in computer vision systems. 3) A summary of methods proposed to mitigate bias in computer vision systems in recent years. 4) A comprehensive summary of resources and datasets produced by researchers to measure, analyze, and mitigate bias and enhance fairness. 5) Discussion of the field’s success, continuing trends in the context of multimodal foundation and generative models, and gaps that still need to be addressed. The presented characterization should help researchers understand the importance of identifying and mitigating bias in computer vision and the state of the field and identify potential directions for future research.

چکیده به فارسی (ترجمه ماشینی)

سیستم های بینایی رایانه به دلیل پیشرفت های متعدد در این زمینه شاهد پیشرفت سریع در طی دو دهه گذشته بوده اند.از آنجا که این سیستم ها به طور فزاینده ای در کاربردهای پر سر و صدا در دنیای واقعی مستقر می شوند ، نیاز جدی برای اطمینان از عدم انتشار یا تقویت گرایش های تبعیض آمیز در داده های تاریخی یا انسانی وجود دارد یا سهواً تعصبات را از همبستگی های فریبنده یاد می گیرند.در این مقاله یک نظرسنجی جامع در مورد انصاف ارائه شده است که در زمینه دید رایانه ، روندهای و موفقیت های مداوم را خلاصه و می کند.مباحثی که در مورد آنها بحث می کنیم شامل 1) مبدا و تعاریف فنی انصاف گرفته شده از ادبیات یادگیری ماشین وسیع تر و رشته های مجاور است.2) کارهایی که به دنبال کشف و تجزیه و تحلیل تعصبات در سیستم های دید رایانه بود.3) خلاصه ای از روشهای ارائه شده برای کاهش تعصب در سیستم های دید رایانه در سالهای اخیر.4) خلاصه ای جامع از منابع و مجموعه داده های تولید شده توسط محققان برای اندازه گیری ، تجزیه و تحلیل و کاهش تعصب و تقویت انصاف.5) بحث در مورد موفقیت این حوزه ، روند مداوم در زمینه بنیاد چندمودال و مدلهای تولیدی و شکافهایی که هنوز هم باید مورد توجه قرار گیرند.خصوصیات ارائه شده باید به محققان کمک کند تا اهمیت شناسایی و کاهش تعصب در دید رایانه و وضعیت این زمینه را درک کرده و مسیرهای بالقوه را برای تحقیقات آینده شناسایی کنند.