본 논문은 신뢰할 수 있는 AI의 중요한 요소인 공정성에 초점을 맞추어, 특히 기계 학습(ML) 모델의 피부색 처리 성능에 대한 연구를 다룹니다. 기존의 연구들이 성별이나 인종과 같은 범주형 특징에 집중한 것과 달리, 본 논문은 텐서 데이터로 표현되는 피부색의 고유한 특성을 고려합니다. 기존 연구의 한계를 극복하기 위해, 피부색을 엄격하게 분류하는 대신 확률 분포로 변환하고 통계적 거리 측정을 적용하는 새로운 공정성 평가 기법을 제시합니다. 또한, 기존의 피부색 범주화에 내재된 편향을 완화하기 위해 베이지안 회귀와 다항 함수를 이용한 색상 거리 추정을 활용하는 혁신적인 훈련 방법을 제안합니다. 이를 통해, ML 모델에서 피부색을 보다 세밀하고 공정하게 처리할 수 있습니다.
