合成数据生成技术研讨会揭秘

某中心协助举办了首届关于合成数据生成的研讨会，该研讨会于2021年5月7日在ICLR 2021线上举行。合成数据是解决两个不同问题的强大方案：数据限制和隐私风险。在标记数据有限的情况下，合成数据可用于增强训练数据，减轻过拟合。在保护隐私方面，数据管理者可以共享合成数据而非真实数据，既保护用户隐私，又保留原始数据的实用性。尽管这两种场景共享类似的技术挑战，如质量和公平性，但它们通常被分开研究。本次研讨会旨在加深对这两种场景下合成数据生成挑战的理解。

研讨会由来自学术界和工业界的研究团队组织，团队成员在隐私、公平性、医疗保健和机器学习鲁棒性等领域拥有专业知识。团队包括来自某中心的两名科学家、哈佛大学的Haipeng Chen、韩国科学技术院的Edward Choi、Google DeepMind的Jamie Hayes、CISPA亥姆霍兹信息安全中心的Mario Fritz以及哥伦比亚大学的Rachel Cummings。

研讨会内容包括特邀演讲、贡献演讲、海报展示和小组讨论，吸引了多样化的研究人员和实践者参与。以下是七场特邀演讲（按出场顺序）：

• 机器学习能否彻底改变医疗保健？合成数据可能是答案 - Mihaela van der Schaar，剑桥大学、艾伦图灵研究所、加州大学洛杉矶分校
• 图像合成的生成模型 - Jan Kautz，NVIDIA
• 使用生成对抗网络生成差分隐私合成数据 - Jinsung Yoon，Google Cloud AI
• 迈向金融合成数据 - Manuela M. Veloso，J. P. Morgan、卡内基梅隆大学
• 深度生成模型的偏见和泛化 - Stefano Ermon，斯坦福大学
• 音乐生成的生成建模 - Sander Dieleman，DeepMind
• 生成式AI的伦理考虑 - Emily Denton，Google伦理AI团队

研讨会展示了24篇被接受的论文，每篇论文都有单独的分会场进行海报展示。其中以下七篇论文进行了口头报告：

• 用于模型选择的合成数据 - Matan Fintz（某中心）等
• GAN集成用于合成训练数据生成 - Gabriel Eilertsen（林雪平大学）等
• 通过张量幻觉进行少样本学习 - Michalis M. L. Lazarou（帝国理工学院）等
• 利用公共数据进行实用私有查询发布 - Terrance Liu（卡内基梅隆大学）等
• FFPDG：快速、公平和私密的数据生成 - Weijie Xu（某中心）等
• 通过医学图像生成克服数据共享障碍：全面评估 - August DuMont Schütte（马克斯·普朗克智能系统研究所）等
• 不完美的图像生成：GAN加剧面部数据偏见的影响 - Niharika Jain（亚利桑那州立大学）等

研讨会以特邀演讲者的小组讨论和颁奖典礼结束。