Studija: novije text-to-image generacije ne uklanjaju rodne stereotipe

8.000 slika i 20 zanimanja

Studija obuhvata 20 zanimanja, pet šablona prompta i četiri generacije Stable Diffusion modela — SD 1.5, SD 2.1, SDXL i SD 3 Medium — sa ukupno 8.000 generisanih slika klasifikovanih pomoću DeepFace-a.

Muški subjekti dominiraju u rezultatima

U open-source delu uzorka 76,4 odsto slika prikazuje muške subjekte, a nijedan od analiziranih modela nije dostigao rodni paritet.

U poređenju sa podacima američkog Bureau of Labor Statistics, modeli u proseku potcenjuju zastupljenost žena za 20 do 46 procentnih poena, uz naročito velike razlike kod zanimanja sa približno uravnoteženom zastupljenošću polova.

Noviji model nije nužno pravičniji

Autori navode da se pristrasnost ne smanjuje ravnomerno kroz generacije: pogoršava se od SD 1.5 do SDXL, a zatim se delimično smanjuje u SD 3 Medium.

Preliminarno poređenje sa GPT-image-1 na pet zanimanja ukazuje na nižu pristrasnost nego kod open-source modela, ali autori naglašavaju da je praktični efekat mali i da je poređenje eksplorativno.