图像生成

T2I-BiasBench: A Multi-Metric Framework for Auditing Demographic and Cultural Bias in Text-to-Image Models

T2I-BiasBench：一个用于审计文本到图像模型中人口和文化偏见的多指标框架

Nihal Jaiswal, Siddhartha Arjaria, Gyanendra Chaubey, Ankush Kumar, Aditya Singh, Anchal Chaurasiya

机构 * Department of Information Technology, Rajkiya Engineering College Banda（拉贾基亚工程学院班达信息科技系） ； School of AI and Data Science, Indian Institute of Technology Jodhpur（印度理工学院乔普拉人工智能与数据科学学院） 纠错

专题命中 文生图 ：text-to-image(title,abstract)；diffusion(abstract,abstract_cn)；分类 cs.CV

AI总结 本文提出T2I-BiasBench框架，通过十三个互补指标评估扩散模型中的偏见、元素缺失和文化崩溃，揭示了开源模型在人口和文化偏见方面的表现。

BiasIG: Benchmarking Multi-dimensional Social Biases in Text-to-Image Models

BiasIG：评估文本到图像模型中多维社会偏见的基准测试

Hanjun Luo, Zhimu Huang, Haoyu Huang, Ziye Deng, Ruizhe Chen, Xinfeng Li, Zuozhu Liu, Hanan Salam

专题命中 文生图 ：text-to-image(title,abstract)

AI总结 本文提出BiasIG基准，通过47040个提示的定制数据集量化多维社会偏见，结合社会学和机器伦理框架，揭示生成偏见的细粒度诊断方法，并验证了公平性在AIGC中的精确分类方法。

Comments Accepted by IJCNN 2026