鲁棒性与安全 / CVPR2026
一种具有跨模态和跨任务效用保证的视觉语言模型去偏闭式解
A Closed-Form Solution for Debiasing Vision-Language Models with Utility Guarantees Across Modalities and Tasks
提出一种无需训练、无需标注数据的闭式去偏方法,可同时去偏视觉和文本模态,在保持任务性能的同时实现帕累托最优公平性,可直接用于零样本图像分类、文本到图像检索和生成等视觉任务。
去偏方法闭式解帕累托最优