Swati an der EWAF'24

19 Juli 2024

Swati Swati präsentierte das Paper mit dem Titel "Exploring Fusion Techniques in Multimodal AI-Based Recruitment: Insights from FairCVdb", das von Ihr, Arjun Roy und Eirini Ntoutsi gemeinsam verfasst wurde. Ihre Präsentation war Teil des Programms "Lightning Round" auf der Konferenz, wo sie auch ihr Poster für die eingehende Diskussion nach der Präsentation vorstellte.

In ihrer Präsentation analysiert sie die Fairness- und Bias-Implikationen von Multimodal-Fusionstechniken in multimodalen, KI-basierten Rekrutierungssystemen unter Verwendung des FairCVdb-Datensatzes. Unter anderem zeigt sie, dass Multimodal-Fusion das Modell im Vergleich zu einzelnen Modalitäten verbessert. In der Late-Fusion vermehrt sich der Bias des Modells, da der Bias der Modelle für jede Modalität unabhängig gelernt wird, was sich kumulativ auf die Fairness der Entscheidungen auswirkt. Im Gegensatz dazu bietet Early-Fusion größere Flexibilität und führt im Allgemeinen zu Ergebnissen mit besserer Fairness und gleichzeitig besserer Genauigkeit.

Bitte folgen Sie dem Link für weitere Details, einschließlich Zugriff auf das Paper, den Code, die Präsentationsfolien und das Poster.