Fair Dataset Distillation via Cross-Group Barycenter Alignment

작성자

Haebom

카테고리

Empty

저자

Mohammad Hossein Moslemi, Nima Hosseini Dashtbayaz, Zhimin Mei, Bissan Ghaddar, Boyu Wang

💡 개요

이 연구는 대규모 데이터셋을 작은 합성 데이터셋으로 압축하는 데이터셋 증류 과정에서 발생하는 공정성 문제를 다룹니다. 연구진은 서로 다른 인구 집단의 예측 패턴 차이가 데이터셋 증류 시 특정 하위 그룹의 정보 손실을 유발하여 공정성 격차를 초래함을 보입니다. 이를 해결하기 위해, 본 논문은 그룹 불균형에 독립적인 예측 정보의 바리센터(barycenter)를 찾아 모든 하위 그룹에 걸쳐 유사한 표현을 유도하는 새로운 방법론을 제안합니다.

🔑 시사점 및 한계

•

데이터셋 증류 시 발생하는 공정성 문제는 단순한 그룹 불균형 보정을 넘어, 그룹별 예측 패턴의 근본적인 불일치에서 비롯됨을 규명합니다.

•

제안하는 그룹 불균형 불변 바리센터 정렬 기법을 통해 데이터셋 증류로 인한 공정성 격차를 효과적으로 완화할 수 있습니다.

•

기존 데이터셋 증류 방법론과 호환되며, 실험 결과는 데이터셋 증류 과정에서 발생하는 편향을 크게 줄임을 입증합니다.

•

제시된 방법론이 실제 데이터셋과 다양한 공정성 지표에서 얼마나 효과적인지에 대한 추가적인 심층 분석이 필요할 수 있습니다.

PDF 보기

Made with Slashpage