Estrutura da Dissertação

foco atual: Zero-shot race classification using VLMs

keywords: Facial attributes recognition, data bias, zero-shot, VLMs

1. introdução
       - motivação
       -research questions and hypothesis
           -- how prompt affect race bias
           -- how can we mitigate race bias from prompt
       - objetivos
       - contribui coes
           -- avaliação experimental
       - organização dos capítulos

2. fundamentação teórica
       - Contrastive Learning
           -- Contrastive Learning for images (ConVIRT)
       - Visual Language Models
           -- Mencionar Language Models
           -- submodelos (CLIP, Laion, FairerCLIP, DeAR, etc)
       - Zero-shot image Classification
           -- Few-shot
       - Prompt Learning
           -- CoOp
           -- CoCoOp
       - Social Bias - atributos sensíveis (cuidar termos e detalhes sobre isso)

3. trabalhos relacionados
       - Papers sobre Bias e Model Fairness (como medir bias/fairness)
           - Papers sobre race classification with VLMs

- (talvez mencionar gender, occupation, attractiveness)

1. Metodologia
       - modelos avaliados
       - datasets utilizados
           - FairFace
           - Chicago face dataset
       - baseline construído (detalhes de implementação) [possível apêndice]
       - Experimentos (processo de avaliação)
           -- data scaling
           -- model scaling
           -- techniques (prompt learning, prompt ensemble, etc)

2. Resultados

3. Conclusão
       -- Contribuições
       -- Limitações
       -- Trabalhos futuros