Buchumschlag

How I Met Your Bias: Investigating Bias Amplification in Diffusion Models

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Roos, Nathan, Iakovleva, Ekaterina, Gjergji, Ani, Pastore, Vito Paolo, Tartaglione, Enzo
Format:	Preprint
Veröffentlicht:	2025
Schlagworte:	Machine Learning Computer Vision and Pattern Recognition
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

Bias In, Bias Out? Finding Unbiased Subnetworks in Vanilla Models
von: Matos, Ivan Luiz De Moura, et al.
Veröffentlicht: (2026)

Diffusing DeBias: Synthetic Bias Amplification for Model Debiasing
von: Ciranni, Massimiliano, et al.
Veröffentlicht: (2025)

Assessing the use of Diffusion models for motion artifact correction in brain MRI
von: Angella, Paolo, et al.
Veröffentlicht: (2025)

Efficient Adaptation of Deep Neural Networks for Semantic Segmentation in Space Applications
von: Olivi, Leonardo, et al.
Veröffentlicht: (2025)

BiasConnect: Investigating Bias Interactions in Text-to-Image Models
von: Shukla, Pushkar, et al.
Veröffentlicht: (2025)

Specify and Edit: Overcoming Ambiguity in Text-Based Image Editing
von: Iakovleva, Ekaterina, et al.
Veröffentlicht: (2024)

BM-CL: Bias Mitigation through the lens of Continual Learning
von: Mansilla, Lucas, et al.
Veröffentlicht: (2025)

Unsupervised Learning of Unbiased Visual Representations
von: Barbano, Carlo Alberto, et al.
Veröffentlicht: (2022)

Weighted Ensemble Models Are Strong Continual Learners
von: Marouf, Imad Eddine, et al.
Veröffentlicht: (2023)

Elucidating the Exposure Bias in Diffusion Models
von: Ning, Mang, et al.
Veröffentlicht: (2023)

How I Warped Your Noise: a Temporally-Correlated Noise Prior for Diffusion Models
von: Chang, Pascal, et al.
Veröffentlicht: (2025)

Nix and Fix: Targeting 1000x Compression of 3D Gaussian Splatting with Diffusion Models
von: Eteke, Cem, et al.
Veröffentlicht: (2026)

Dissecting and Mitigating Diffusion Bias via Mechanistic Interpretability
von: Shi, Yingdong, et al.
Veröffentlicht: (2025)

Disentangled representations of microscopy images
von: Dapueto, Jacopo, et al.
Veröffentlicht: (2025)

Activation Map Compression through Tensor Decomposition for Deep Learning
von: Nguyen, Le-Trung, et al.
Veröffentlicht: (2024)

Denoising Diffusion Probabilistic Model for Point Cloud Compression at Low Bit-Rates
von: Spadaro, Gabriele, et al.
Veröffentlicht: (2025)

Bias Begets Bias: The Impact of Biased Embeddings on Diffusion Models
von: Kuchlous, Sahil, et al.
Veröffentlicht: (2024)

Say My Name: a Model's Bias Discovery Framework
von: Ciranni, Massimiliano, et al.
Veröffentlicht: (2024)

InvDiff: Invariant Guidance for Bias Mitigation in Diffusion Models
von: Hou, Min, et al.
Veröffentlicht: (2024)

Bias Analysis in Unconditional Image Generative Models
von: Zhang, Xiaofeng, et al.
Veröffentlicht: (2025)

Downscaling Precipitation with Bias-informed Conditional Diffusion Model
von: Lyu, Ran, et al.
Veröffentlicht: (2024)

FameBias: Embedding Manipulation Bias Attack in Text-to-Image Models
von: Roh, Jaechul, et al.
Veröffentlicht: (2024)

Unsupervised Raindrop Removal from a Single Image using Conditional Diffusion Models
von: Fazry, Lhuqita, et al.
Veröffentlicht: (2025)

Mitigating the Bias in the Model for Continual Test-Time Adaptation
von: Chung, Inseop, et al.
Veröffentlicht: (2024)

Looking at Model Debiasing through the Lens of Anomaly Detection
von: Pastore, Vito Paolo, et al.
Veröffentlicht: (2024)

FEB-Cache: Frequency-Guided Exposure Bias Reduction for Enhancing Diffusion Transformer Caching
von: Zou, Zhen, et al.
Veröffentlicht: (2025)

Till the Layers Collapse: Compressing a Deep Neural Network through the Lenses of Batch Normalization Layers
von: Liao, Zhu, et al.
Veröffentlicht: (2024)

Modeling Saliency Dataset Bias
von: Kümmerer, Matthias, et al.
Veröffentlicht: (2025)

Rethinking the Bias of Foundation Model under Long-tailed Distribution
von: Chen, Jiahao, et al.
Veröffentlicht: (2025)

Does Data-Efficient Generalization Exacerbate Bias in Foundation Models?
von: Queiroz, Dilermando, et al.
Veröffentlicht: (2024)

Hierarchical Simplicity Bias of Neural Networks
von: Du, Zhehang
Veröffentlicht: (2023)

Bias Leaves a Gradient Trail: Label-Free Bias Identification via Gradient Probes on Concept Decompositions
von: Vitry, Thomas, et al.
Veröffentlicht: (2026)

How to Squeeze An Explanation Out of Your Model
von: Roxo, Tiago, et al.
Veröffentlicht: (2024)

Mitigating Algorithmic Bias in Multiclass CNN Classifications Using Causal Modeling
von: Byun, Min Sik, et al.
Veröffentlicht: (2025)

Mitigating Bias in Concept Bottleneck Models for Fair and Interpretable Image Classification
von: Tong, Schrasing, et al.
Veröffentlicht: (2026)

Explainable Metric Learning for Deflating Data Bias
von: Andrews, Emma, et al.
Veröffentlicht: (2024)

Exploring the Impact of Dataset Bias on Dataset Distillation
von: Lu, Yao, et al.
Veröffentlicht: (2024)

Understanding Bias in Large-Scale Visual Datasets
von: Zeng, Boya, et al.
Veröffentlicht: (2024)

Debiasify: Self-Distillation for Unsupervised Bias Mitigation
von: Bayasi, Nourhan, et al.
Veröffentlicht: (2024)

Memory-Optimized Once-For-All Network
von: Girard, Maxime, et al.
Veröffentlicht: (2024)