FR
L’attrait des visages influence leur classement et leur score
Attractive Faces Skew Text-to-Image Reward Models and Leaderboards · arXiv:2610.28195
En termes simples
L’article cherche à savoir si les gens et les systèmes qui notent des images favorisent les visages attrayants, même lorsqu’ils évaluent la qualité d’une image. Dans une étude en ligne, les participants ont classé des visages puis évalué leur attrait.
Ils ont préféré les visages qu’ils jugeaient les plus attrayants, y compris lorsque les chercheurs comparaient uniquement des photographies réelles. Les auteurs ont également observé cette tendance dans plusieurs systèmes de notation d’images et dans des visages générés après un entraînement fondé sur les préférences.
Ils ont testé un ajustement qui a réduit le lien entre attrait prédit et score dans un exemple. Ces études montrent une tendance dans les contextes testés, mais ne mesurent pas son ampleur dans les classements réels.
La recherche
Lorsque des personnes classent des visages générés, leurs choix reflètent-ils la qualité de l’image ou une préférence esthétique ? Les visages attrayants ont-ils un avantage même lorsque la comparaison porte sur des photographies réelles ?
La réponse compte pour interpréter les classements humains et les scores d’images entraînés à prédire ces classements.
Les auteurs auditent le biais lié à l’attrait dans les classements humains, les scores d’images et les visages générés, puis ajustent les scores de préférence pour réduire ce lien.
Pour déterminer si l’attrait influence les préférences lorsque les images comparées sont plus similaires, les chercheurs ont examiné les deux photographies réelles de chaque série de quatre visages. Dans les deux conditions de consigne, les participants ont préféré la photographie du visage qu’ils jugeaient le plus attrayant ; l’écart était plus marqué avec les consignes de préférence esthétique.
La tendance est également apparue dans une simulation de classement construite pour l’étude et dans les scores de plusieurs modèles de préférence. Dans un test, un ajustement appliqué après le calcul des scores a réduit la corrélation entre l’attrait prédit et les scores HPSv3, de 0,33 à 0,09, sur des images de Stable Diffusion 3.5, avec des changements de score minimes.
Les résultats étayent l’existence d’un biais dans les contextes testés et l’efficacité d’une mesure d’atténuation appliquée aux scores.
Ces résultats indiquent un biais lié à l’attrait du visage dans plusieurs contextes d’étude, mais n’en établissent pas l’ampleur dans les classements utilisés en conditions réelles. Les évaluations des participants, les matchs simulés et les images retouchées ont chacun leurs limites. L’ajustement modifie les scores, pas les données de préférence sous-jacentes.
Ce que montrent les preuves
- Partir des classements humains
Cet article examine empiriquement si l’attrait du visage influence les préférences humaines pour les visages générés à partir de texte, les classements simulés, les scores d’images et les images produites. Dans une étude en ligne, les participants ont classé quatre visages selon des consignes portant soit sur la fidélité et la qualité de l’image, soit sur la préférence esthétique.
Les chercheurs se sont concentrés sur les deux photographies réelles de chaque série et ont comparé les notes d’attrait du visage classé en premier à celles de celui classé plus bas.
- Les consignes modulent la tendance
Dans les deux conditions, les participants ont préféré la photographie du visage qu’ils jugeaient le plus attrayant. L’écart d’attrait était plus marqué avec les consignes de préférence esthétique.
Les chercheurs ont calculé, pour chaque participant, la moyenne des différences entre ses notes d’attrait avant de tester les résultats. Cela étaye un lien entre attrait et préférence, même pour des photographies réelles, bien que les notes aient été données après le classement et que les chercheurs aient supposé que les photos avaient une fidélité comparable.
- Une conséquence simulée sur le classement
Les chercheurs ont ensuite utilisé les choix des participants dans 10 000 matchs simulés deux à deux entre des visages réels moins attrayants et des visages générés plus attrayants. Le score Elo final moyen des visages générés était de 1 561,9, contre 1 438,1 pour les visages réels.
Cette comparaison construite montre comment les préférences observées pourraient influer sur un classement ; elle ne mesure pas de distorsion dans les classements existants.
- Scores et visages générés
Dans un audit d’images retouchées, l’attrait était le facteur le plus fortement corrélé au score pour quatre des cinq modèles de préférence humaine testés. Les deux modèles témoins qui ne reposaient pas sur des préférences humaines présentaient d’autres corrélations principales, et ImageReward était l’exception parmi les modèles de préférence.
Les chercheurs ont aussi constaté que l’attrait prédit augmentait à mesure que deux générateurs d’images, entraînés séparément, progressaient dans leur entraînement fondé sur les préférences. Ensemble, ces résultats étendent le lien observé des classements humains aux scores et aux visages générés, dans les limites des modèles et procédures testés.
- Un ajustement partiel des scores
Les auteurs proposent d’ajuster les scores de préférence pour réduire leur dépendance statistique à l’attrait prédit tout en les gardant proches de leurs valeurs d’origine. Pour des images de Stable Diffusion 3.5 évaluées par HPSv3, la corrélation est passée de 0,33 à 0,09 après l’ajustement, avec des changements de score décrits comme minimes.
Cela montre une réduction pour cette combinaison précise ; l’ajustement agit sur les scores et ne supprime pas le biais lié à l’attrait dans les données de préférence à sa source.
Détails
- Auteurs de l’article original
- Harvey Mannering, Zhiwu Huang, Adam Prügel-Bennett
- Soumis à arXiv
- Licence
- CC BY 4.0