arXiv · ML· Abtin Mogharabin, Alp Toykan Kaplan, Jiaee Cheong, Sinan Kalkan·· 7 小时前AI 评分23
KINDER：基于原型的公平表征学习内核方法
KINDER: Kernel-based Independence for Fair Representation Learning via Prototype-space Erasure
AI 导读
KINDER通过随机傅里叶特征空间移除敏感属性信息，实现公平表征学习。 它基于受保护组原型估计敏感子空间，并将表征投影至其正交补，适用于任意深度模型和任务类型。 KINDER在监督、自监督及多模态任务中验证有效，代码和模型已公开。
来源：arXiv · ML · arxiv.org