Meta veröffentlicht FACET-Datensatz zur Untersuchung von Verzerrungen in Computer-Vision-Modellen

• Fairness in Computer Vision EvaluaTion
• Neue umfassende Benchmark zur Bewertung der Fairness von Computer-Vision-Modellen über Klassifikation, Erkennung, Instanzsegmentierung und weitere visuell basierte Aufgaben hinweg
• Besteht aus 32.000 Bildern mit 50.000 Personen
• Von professionellen menschlichen Annotatoren für demografische Merkmale (z. B. Geschlecht, Alter), zusätzliche körperliche Merkmale (z. B. Hautfarbe, Frisur) und personenbezogene Klassen (z. B. Basketballspieler, Arzt) gelabelt
• Enthält außerdem 69.000 Labels für Personen, Haare und Kleidung aus dem SA-1B-(Segment Anything)-Datensatz
• FACET ist nur für Forschungs- und Evaluierungszwecke vorgesehen und darf nicht für Training verwendet werden
• Der Datensatz und ein Datensatz-Explorer werden gemeinsam bereitgestellt
• Gleichzeitig wurde bei dem zuvor veröffentlichten Vision-Modell DINOv2 die Lizenz auf Apache 2.0 geändert

[xguru]

DINOv2 – ein von Meta AI veröffentlichtes selbstüberwachtes Computer-Vision-Modell