ترجمه فارسی مقاله سوگیری باعث سوگیری می‌شود: تأثیر تعبیه‌های مغرضانه بر مدل‌های انتشار

انتخاب پلن

انتخاب پلن برای ادامه خرید الزامی است.

عنوان مقاله به انگلیسی Bias Begets Bias: The Impact of Biased Embeddings on Diffusion Models
عنوان مقاله به فارسی سوگیری باعث سوگیری می‌شود: تأثیر تعبیه‌های مغرضانه بر مدل‌های انتشار
نویسندگان Sahil Kuchlous, Marvin Li, Jeffrey G. Wang
فرمت مقاله انگلیسی PDF
تعداد صفحات 19
لینک دانلود رایگان مقاله انگلیسی دانلود مقاله
دسته بندی موضوعات Machine Learning,Computer Vision and Pattern Recognition,Computers and Society,یادگیری ماشین , چشم انداز رایانه و تشخیص الگوی , رایانه ها و جامعه ,
توضیحات Submitted 14 September, 2024; originally announced September 2024. , Comments: 19 pages, 4 figures , ACM Class: I.2.10
توضیحات به فارسی ارسال شده در 14 سپتامبر 2024 ؛در ابتدا سپتامبر 2024 اعلام شد ، نظرات: 19 صفحه ، 4 شکل ، کلاس ACM: I.2.10
اطلاعات بیشتر از این مقاله در پایگاه های علمی INSPIRE HEP
NASA ADS
Google Scholar
Semantic Scholar

📚 محتوای این محصول آموزشی (پکیج کامل)

علاوه بر مقاله اصلی انگلیسی که دریافت می کنید، برای یادگیری عمیق‌تر و تسلط کامل بر مباحث مجموعه‌ای از کتاب‌های آموزشی نیز ارائه می‌شود.

🎯 این بسته یک دورهٔ آموزشی کامل و چندلایه است؛ شامل ویدیوهای آموزشی، کتاب‌ها، تمرین‌ها و خودآزمایی.

ℹ️ نکات مهم هنگام خرید

  • این محصول به صورت فایل دانلودی کامل ارائه می‌شود.
  • توجه: لینک‌های اختصاصی دوره طی حداکثر 24 ساعت پس از ثبت سفارش ارسال می‌شوند.
  • دقت کنید لینک ها به شماره موبایل شما ارسال می شوند. پس در ارائه شماره موبایل صحیح دقت کنید.
  • برای راهنمایی در مورد نحوه دانلود به شماره 09395106248 پیامک دهید یا تماس بگیرید. (ایده آل ترین گزینه ارسال پیام در یکی از پیام رسان ها به همین شماره است تا سریعا لینک های محصول همان جا برای شما ارسال گردد.)
  • اگر پرداخت انجام شده ولی بعد از 24 ساعت هنوز لینک‌ها را دریافت نکرده‌اید، نام و نام خانوادگی و نام محصول را پیامک کنید تا لینک‌ها دوباره ارسال شوند.

💬 راه‌های ارتباطی پشتیبانی:
واتس‌اپ یا هر پیام رسان داخلی یا پیامک: 09395106248
تلگرام: @ma_limbs

چکیده

With the growing adoption of Text-to-Image (TTI) systems, the social biases of these models have come under increased scrutiny. Herein we conduct a systematic investigation of one such source of bias for diffusion models: embedding spaces. First, because traditional classifier-based fairness definitions require true labels not present in generative modeling, we propose statistical group fairness criteria based on a model's internal representation of the world. Using these definitions, we demonstrate theoretically and empirically that an unbiased text embedding space for input prompts is a necessary condition for representationally balanced diffusion models, meaning the distribution of generated images satisfy diversity requirements with respect to protected attributes. Next, we investigate the impact of biased embeddings on evaluating the alignment between generated images and prompts, a process which is commonly used to assess diffusion models. We find that biased multimodal embeddings like CLIP can result in lower alignment scores for representationally balanced TTI models, thus rewarding unfair behavior. Finally, we develop a theoretical framework through which biases in alignment evaluation can be studied and propose bias mitigation methods. By specifically adapting the perspective of embedding spaces, we establish new fairness conditions for diffusion model development and evaluation.

چکیده به فارسی (ترجمه ماشینی)

با اتخاذ رو به رشد سیستم های متن به تصویر (TTI) ، تعصبات اجتماعی این مدل ها تحت نظارت افزایش یافته است.در اینجا ما یک تحقیق سیستماتیک از چنین منبع تعصب برای مدل های انتشار انجام می دهیم: فضاهای جاسازی.اول ، از آنجا که تعاریف انصاف مبتنی بر طبقه بندی سنتی نیاز به برچسب های واقعی ندارد که در مدل سازی تولیدی وجود ندارد ، ما معیارهای انصاف گروه آماری را بر اساس بازنمایی داخلی یک مدل از جهان پیشنهاد می کنیم.با استفاده از این تعاریف ، ما از نظر تئوری و تجربی نشان می دهیم که یک فضای تعبیه شده متن بی طرفانه برای ارسال های ورودی یک شرط لازم برای مدل های انتشار متعادل است ، به این معنی که توزیع تصاویر تولید شده الزامات تنوع را با توجه به ویژگی های محافظت شده برآورده می کند.در مرحله بعد ، ما تأثیر تعبیه های مغرضانه در ارزیابی تراز بین تصاویر و اعلان های تولید شده را بررسی می کنیم ، فرایندی که معمولاً برای ارزیابی مدلهای انتشار استفاده می شود.ما می دانیم که تعبیهات چند حالته مغرضانه مانند کلیپ می تواند منجر به نمرات تراز پایین تر برای مدل های TTI متعادل بازنمایی شود ، بنابراین به رفتار ناعادلانه پاداش می دهد.سرانجام ، ما یک چارچوب نظری را توسعه می دهیم که از طریق آن می توان تعصب در ارزیابی تراز را مورد بررسی قرار داد و روشهای کاهش تعصب را پیشنهاد کرد.با تطبیق خاص دیدگاه فضاهای جاسازی ، ما شرایط انصاف جدید را برای توسعه و ارزیابی مدل انتشار ایجاد می کنیم.

📚 محتوای این محصول آموزشی (پکیج کامل)

علاوه بر مقاله اصلی انگلیسی که دریافت می کنید، برای یادگیری عمیق‌تر و تسلط کامل بر مباحث مجموعه‌ای از کتاب‌های آموزشی نیز ارائه می‌شود.

🎯 این بسته یک دورهٔ آموزشی کامل و چندلایه است؛ شامل ویدیوهای آموزشی، کتاب‌ها، تمرین‌ها و خودآزمایی.

ℹ️ نکات مهم هنگام خرید

  • این محصول به صورت فایل دانلودی کامل ارائه می‌شود.
  • توجه: لینک‌های اختصاصی دوره طی حداکثر 24 ساعت پس از ثبت سفارش ارسال می‌شوند.
  • دقت کنید لینک ها به شماره موبایل شما ارسال می شوند. پس در ارائه شماره موبایل صحیح دقت کنید.
  • برای راهنمایی در مورد نحوه دانلود به شماره 09395106248 پیامک دهید یا تماس بگیرید. (ایده آل ترین گزینه ارسال پیام در یکی از پیام رسان ها به همین شماره است تا سریعا لینک های محصول همان جا برای شما ارسال گردد.)
  • اگر پرداخت انجام شده ولی بعد از 24 ساعت هنوز لینک‌ها را دریافت نکرده‌اید، نام و نام خانوادگی و نام محصول را پیامک کنید تا لینک‌ها دوباره ارسال شوند.

💬 راه‌های ارتباطی پشتیبانی:
واتس‌اپ یا هر پیام رسان داخلی یا پیامک: 09395106248
تلگرام: @ma_limbs

نظرات

هنوز نظری ثبت نشده است.

وارد شوید تا نظر ثبت کنید.