본 논문은 텍스트-이미지 생성 모델(T2I)의 다양한 인구 집단 표현 능력, 고정관념 재생산, 소수 집단 삭제 문제점을 다룹니다. AI의 안전하고 책임있는 설계에 대한 관심이 증가하고 있음에도 불구하고, 이미지 생성에서의 표현적 피해를 체계적으로 측정하고 제어하는 방법론은 부족합니다. 이에 본 논문은 다중 그룹 비례 표현(MPR) 지표를 적용하여 T2I 모델이 생성한 이미지에서 교차 집단의 표현을 측정하는 새로운 프레임워크를 제시합니다. MPR은 생성 모델이 생성한 이미지에서 주어진 인구 집단 간 표현 통계의 최악의 경우 편차를 평가하여 사용자 요구 사항에 따라 유연하고 맥락에 맞는 측정을 가능하게 합니다. 또한, 이 지표를 최적화하는 알고리즘을 개발하여 실험을 통해 MPR이 여러 교차 집단에 걸쳐 표현 통계를 효과적으로 측정할 수 있으며, 훈련 목표로 사용될 때 생성 품질을 유지하면서 다양한 인구 집단에 걸쳐 더 균형 잡힌 생성을 위한 모델을 안내할 수 있음을 보여줍니다.
