【CVPR2024】OpenBias: 文本到图像生成模型中的开放集偏见检测

文本到图像的生成模型越来越受到公众的欢迎和广泛使用。随着这些模型的大规模部署，有必要深入研究它们的安全性和公平性，以避免传播和固化任何形式的偏见。然而，现有的研究仅聚焦于检测预先定义的封闭偏见集，这限制了对已知概念的研究。在本文中，我们应对在文本到图像生成模型中开放集偏见检测的挑战，提出了一个名为OpenBias的新流程，该流程可以在没有任何预编译集的情况下，不受限制地识别和量化偏见的严重性。OpenBias包括三个阶段。在第一阶段，我们利用一个大型语言模型（LLM）根据一组标题提出偏见。其次，目标生成模型使用同一组标题生成图像。最后，一个视觉问答模型识别先前提出的偏见的存在及其程度。我们研究了Stable Diffusion 1.5、2和XL的行为，强调以前从未研究过的新偏见。通过定量实验，我们证明OpenBias与当前封闭集偏见检测方法和人类判断一致。