論文の概要: Quantifying Confounding Bias in Generative Art: A Case Study

• arxiv url: http://arxiv.org/abs/2102.11957v1
• Date: Tue, 23 Feb 2021 21:59:30 GMT
• ステータス: 処理完了
• システム内更新日: 2023-04-10 03:05:55.190946
• Title: Quantifying Confounding Bias in Generative Art: A Case Study
• Title（参考訳）: ジェネレーティブアートにおけるコンバウンディングバイアスの定量化 : 症例研究
• Authors: Ramya Srinivasan, Kanji Uchino
• Abstract要約: 本研究では,美術作品の学習スタイルにおける芸術運動の影響のモデル化が欠如していることから,難解なバイアスを定量化するための簡易な指標を提案する。 提案手法は,芸術作品における芸術運動の影響を理解する上で,最先端の外れ値検出法よりも有効である。
• 参考スコア（独自算出の注目度）: 3.198144010381572
• License: http://creativecommons.org/licenses/by-nc-nd/4.0/
• Abstract: In recent years, AI generated art has become very popular. From generating art works in the style of famous artists like Paul Cezanne and Claude Monet to simulating styles of art movements like Ukiyo-e, a variety of creative applications have been explored using AI. Looking from an art historical perspective, these applications raise some ethical questions. Can AI model artists' styles without stereotyping them? Does AI do justice to the socio-cultural nuances of art movements? In this work, we take a first step towards analyzing these issues. Leveraging directed acyclic graphs to represent potential process of art creation, we propose a simple metric to quantify confounding bias due to the lack of modeling the influence of art movements in learning artists' styles. As a case study, we consider the popular cycleGAN model and analyze confounding bias across various genres. The proposed metric is more effective than state-of-the-art outlier detection method in understanding the influence of art movements in artworks. We hope our work will elucidate important shortcomings of computationally modeling artists' styles and trigger discussions related to accountability of AI generated art.
• Abstract（参考訳）: 近年、aiが生み出す芸術は非常に人気が高まっている。 ポール・セザンヌやクロード・モネのような有名な芸術家のスタイルでアート作品を生成することから、浮世絵のような芸術運動のスタイルをシミュレートすることまで、aiを使って様々な創造的な応用が研究されてきた。 美術史的な視点から見ると、これらの応用は倫理的な疑問を提起する。 AIはアーティストのスタイルをステレオタイプなしでモデル化できるのか? AIは芸術運動の社会文化的ニュアンスに公正か? 本研究では,これらの問題を分析するための第一歩を踏み出す。 本研究では,アーティストのスタイル学習における芸術運動の影響のモデル化が欠如していることから,芸術創造の潜在的過程を表現するために有向非循環グラフを活用することを提案する。 ケーススタディとして,一般的なサイクルGANモデルを検討し,様々なジャンルにまたがる共起バイアスを分析した。 提案手法は,芸術作品における芸術運動の影響を理解する上で,最先端の外れ値検出法よりも有効である。 我々の研究は、アーティストのスタイルを計算的にモデル化することの重要な欠点を解明し、AI生成したアートのアカウンタビリティに関する議論を引き起こすことを願っている。

関連論文リスト

• GalleryGPT: Analyzing Paintings with Large Multimodal Models [64.98398357569765]
  美術品の分析は、個人の審美性を豊かにし、批判的思考能力を促進することができる芸術鑑賞のための重要かつ基本的な技術である。 アートワークを自動解析する以前の作業は、主に分類、検索、その他の単純なタスクに焦点を当てており、AIの目標とは程遠い。 LLaVAアーキテクチャに基づいて微調整されたGalleryGPTと呼ばれる,絵画解析のための優れた大規模マルチモーダルモデルを提案する。
  論文  参考訳（メタデータ） (2024-08-01T11:52:56Z)
• Rethinking Artistic Copyright Infringements in the Era of Text-to-Image Generative Models [47.19481598385283]
  ArtSavantは、ウィキアートの作品の参照データセットと比較することで、アーティストのユニークなスタイルを決定するツールである。 そこで我々は,3つの人気テキスト・画像生成モデルにまたがる芸術的スタイルの複製の頻度を定量的に把握するために,大規模な実証的研究を行った。
  論文  参考訳（メタデータ） (2024-04-11T17:59:43Z)
• AI Art Neural Constellation: Revealing the Collective and Contrastive State of AI-Generated and Human Art [36.21731898719347]
  我々は、人間の芸術遺産の文脈内でAI生成芸術を位置づけるための包括的な分析を行う。 私たちの比較分析は、ArtConstellationと呼ばれる広範なデータセットに基づいています。 鍵となる発見は、1800-2000年に作られた現代美術の原理とAIが生成したアートアートが視覚的に関連していることである。
  論文  参考訳（メタデータ） (2024-02-04T11:49:51Z)
• Foregrounding Artist Opinions: A Survey Study on Transparency, Ownership, and Fairness in AI Generative Art [0.0]
  生成AIツールは、アートのようなアウトプットを作成し、時には創造的なプロセスを支援するために使用される。 我々は459人のアーティストを調査し、ジェネレーティブAIアートの潜在的有用性と害に関するアーティストの意見の緊張関係を調査した。
  論文  参考訳（メタデータ） (2024-01-27T20:22:46Z)
• Impressions: Understanding Visual Semiotics and Aesthetic Impact [66.40617566253404]
  画像のセミオティックスを調べるための新しいデータセットであるImpressionsを提示する。 既存のマルチモーダル画像キャプションと条件付き生成モデルは、画像に対する可視的応答をシミュレートするのに苦労していることを示す。 このデータセットは、微調整と少数ショット適応により、画像の印象や美的評価をモデル化する能力を大幅に改善する。
  論文  参考訳（メタデータ） (2023-10-27T04:30:18Z)
• Artificial Intelligence and Aesthetic Judgment [29.71278672770529]
  生成AIは人間の表現様式で創造的なアウトプットを生成する。 我々は、現代の生成型AIモデルの出力に遭遇することは、同じ種類の美的判断によって媒介されると主張している。
  論文  参考訳（メタデータ） (2023-08-21T17:40:54Z)
• Learning to Evaluate the Artness of AI-generated Images [64.48229009396186]
  アートスコア(ArtScore)は、アーティストによる本物のアートワークと画像がどの程度似ているかを評価するために設計されたメトリクスである。 我々は、写真とアートワークの生成のために事前訓練されたモデルを採用し、一連の混合モデルを生み出した。 このデータセットはニューラルネットワークのトレーニングに使用され、任意の画像の定量化精度レベルを推定する方法を学ぶ。
  論文  参考訳（メタデータ） (2023-05-08T17:58:27Z)
• Inversion-Based Style Transfer with Diffusion Models [78.93863016223858]
  以前の任意の例として誘導された芸術的画像生成法は、しばしば形状変化の制御や要素の伝達に失敗する。 画像のキー情報を効率よく正確に学習できるインバージョンベースのスタイル転送手法(InST)を提案する。
  論文  参考訳（メタデータ） (2022-11-23T18:44:25Z)
• Can There be Art Without an Artist? [1.2691047660244335]
  ジェネレーティブAIベースのアートは、この1年で急増している。 本稿では,ジェネレーティブ・モデルが芸術にどのような影響を及ぼしたかを考察する。 レスポンシブルにデプロイすれば、AI生成モデルは、アートにおいてポジティブで新しいモダリティになる可能性があると仮定する。
  論文  参考訳（メタデータ） (2022-09-16T01:23:19Z)
• Art Creation with Multi-Conditional StyleGANs [81.72047414190482]
  人間のアーティストは、独特のスキル、理解、そして深い感情や感情を引き起こすアートワークを作る真の意図の組み合わせが必要です。 本研究では,多条件生成支援ネットワーク(GAN)アプローチを導入し,人間の芸術を模倣する現実的な絵画を合成する。
  論文  参考訳（メタデータ） (2022-02-23T20:45:41Z)
• Biases in Generative Art -- A Causal Look from the Lens of Art History [3.198144010381572]
  本稿では,アルゴリズム設計に関連する問題に対する不適切な問題定式化によって生じるAIパイプラインのバイアスについて検討する。 アート作成の過程をモデル化する上で,現在の手法が不足している点を強調し,様々なバイアスに寄与する。
  論文  参考訳（メタデータ） (2020-10-26T00:49:09Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。