Meta发布FACET数据集：助力审查计算机视觉模型偏见
Meta发布了专为帮助研究人员审查计算机视觉模型偏见而设计的数据集FACET。该公司旨在通过发布包含3.2万张图像的新人工标注数据集，促进在人工智能流程中识别和考虑更多特征类型，从而在AI模型中实现更充分的代表性和公平性。
DINOv2工具包更新并开放商业许可
该公司推出了基于开源DINOv2工具包的更新版本。DINOv2于四月份首次发布，是一套旨在简化计算机视觉项目的AI模型集合。此次新更新后，DINOv2现在在允许商业使用的许可下提供。
FACET数据集详解与评估方法
Meta的新FACET数据集旨在帮助研究人员确定计算机视觉模型是否会产生有偏见的结果。在一篇博客文章中，公司详细说明了使用现有的基准测试方法评估AI公平性存在困难。据Meta称，FACET将通过提供一个大型评估数据集，使研究人员能够检查多种不同的计算机视觉模型，从而简化这一任务。
Meta研究人员在博客文章中表示：“该数据集由3.2万张图像组成，包含5万名经过专家人工标注的人员，标注内容包括人口统计特征（如感知性别、感知年龄等）、额外物理特征（如感知肤色、发型）以及与人物相关的类别（如篮球运动员、医生）。据分享，FACET还包含了来自SA-1B的6.9万个掩码的人物、头发和服装标签。”
研究人员可以通过让任何计算机视觉模型处理FACET中的照片，来从公平性问题角度对其进行审查。由此可以进行分析，以确定模型的准确性是否因照片而异。此类准确性的差异可能是AI存在偏见的一个信号，而Meta表示，FACET可用于发现四种类型的计算机视觉模型中的公平性问题。
Meta的研究人员还指出，FACET仅用于研究评估目的，不能用于训练。