مدلهای تولید تصویر (Text-to-Image) اغلب به دلیل سوگیریهای کلیشهای، نتایج ناعادلانهای تولید میکنند که یک چالش جدی محسوب میشود. محققان به تازگی چارچوب جدیدی به نام FairFlow را معرفی کردهاند که با تحلیل مکانیسم درونی مدلهای MM-DiT، لایههای ایجادکننده سوگیری را شناسایی کرده و آنها را به صورت هدفمند اصلاح میکند.
این روش به جای تغییر کل معماری، تنها با تزریق اصلاحات در نقاط کلیدی (Semantic Hubs)، تصاویری دقیقتر، منصفانهتر و بدون کلیشههای جنسیتی یا نژادی ارائه میدهد. گامی مهم به سوی توسعه هوش مصنوعی اخلاقمدار! ✨
منبع: arXiv Computer Vision