C&Z

最早的数据集之一（如果不是第一个）强调社区中偏见和多样性的重要性，随后引发了一场革命。于 2014 年作为卡内基梅隆大学和香港城市大学理学硕士论文 [1,2] 的组成部分引入。后来通过添加由 ETH Zürich 的 GAN 架构生成的合成图像进行了扩展（Curtó 等人在 HDCGAN 中，2017 年）。当时不仅是谈论平衡数据集对学习和视觉的重要性的先驱，而且是第一个 GAN 增强的人脸数据集。

原始描述如下：

一个无偏见的数据集，包含来自不同种族的人脸，在各种照明条件和图像分辨率下。 C&Z 使用 HDCGAN 合成图像进行了增强，因此是第一个 GAN 增强的人脸数据集。

One of the earliest datasets—if not the first—to emphasize the importance of bias and diversity in communities, it sparked a revolution. Introduced in 2014 as part of the Master of Science theses [1,2] from Carnegie Mellon University and City University of Hong Kong, it was later expanded by adding synthetic images generated by the GAN architecture from ETH Zürich (Curtó et al. in HDCGAN, 2017). At the time, it was not only a pioneer in discussing the significance of balanced datasets for learning and computer vision, but also the first GAN-augmented face dataset.

An unbiased dataset containing faces from diverse racial backgrounds under various lighting conditions and image resolutions, it was augmented with synthetic images via HDCGAN by C&Z, thus becoming the first GAN-augmented face dataset.

搜集汇总

背景与挑战

背景概述

C&Z是一个早期关注偏见和多样性的人脸识别数据集，最初于2014年发布，并在2017年通过GAN合成图像增强，成为首个GAN增强的人脸数据集。它包含不同种族的人脸，覆盖多种照明条件和图像分辨率，旨在促进无偏见的机器学习研究。