Core Concepts
Datenbalance in CLIP kann Bias reduzieren, hat jedoch gemischte Auswirkungen auf die Qualität.
Abstract
ABSTRACT
CLIP absorbiert unbeabsichtigt gesellschaftliche Stereotypen.
M4-Algorithmus zur Reduzierung von Repräsentations- und Assoziationsbias.
Feinabstimmung wirkt gegen Repräsentationsbias, weniger gegen Assoziationsbias.
Datenbalance hat gemischte Auswirkungen auf die Qualität.
Verbesserungen in Daten und Architektur mildern negative Auswirkungen der Datenbalance.
INTRODUCTION
Multimodale Systeme können Bias verstärken und schädliche Stereotypen kodieren.
Ethische Herausforderungen bei multimodalen Systemen.
Daten in multimodalen Systemen können gesellschaftliche Stereotypen perpetuieren.
PRELIMINARIES
CLIP besteht aus zwei Türmen für Vision und Sprache.
Definitionen von Datenrepräsentations- und Assoziationsbias.
SUMMARY OF FINDINGS
Proxies mildern Repräsentationsbias, schaden jedoch dem Assoziationsbias.
Feinabstimmung wirkt gegen Repräsentationsbias, weniger gegen Assoziationsbias.
Datenbalance hat gemischte Auswirkungen auf die Modellqualität.
DETAILED RESULTS
Auswirkungen von Repräsentations- und Assoziationsbias.
Verbesserungen in Datenqualität und Architektur.
MULTI-MODAL MOMENT MATCHING (M4)
Algorithmus zur Datenbalance zur Reduzierung von Bias.
RELATED WORKS
Fairness in multimodalen Systemen und Debiasing-Methoden.
CONCLUSION AND FUTURE WORK
Datenbalance in CLIP kann Bias reduzieren, aber weitere Maßnahmen sind erforderlich.
Stats
Wir untersuchen die Wirksamkeit von Datenbalance in CLIP.
Feinabstimmung wirkt gegen Repräsentationsbias.
Datenbalance hat gemischte Auswirkungen auf die Qualität.
Quotes
"Datenbalance hat gemischte Auswirkungen auf die Qualität."
"Feinabstimmung wirkt gegen Repräsentationsbias, weniger gegen Assoziationsbias."