Fugu-MT 論文翻訳(概要): Ownership and Creativity in Generative Models

論文の概要: Ownership and Creativity in Generative Models

arxiv url: http://arxiv.org/abs/2112.01516v1
Date: Thu, 2 Dec 2021 18:59:05 GMT
ステータス: 処理完了
システム内更新日: 2023-03-06 02:00:18.352365
Title: Ownership and Creativity in Generative Models
Title（参考訳）: 生成モデルにおける所有権と創造性
Authors: Omri Avrahami, Bar Tamir
Abstract要約: 近年、画像アート、文詩、音楽など、機械学習が生み出したコンテンツが顕著になっている。これらのツールはデータ駆動型であるため、従来のクリエイティブツールとは本質的に異なる。これらのツールによって生成されたコンテンツを誰が所有できるだろうか?
参考スコア（独自算出の注目度）: 0.0
License: http://creativecommons.org/licenses/by-nc-nd/4.0/
Abstract: Machine learning generated content such as image artworks, textual poems and music become prominent in recent years. These tools attract much attention from the media, artists, researchers, and investors. Because these tools are data-driven, they are inherently different than the traditional creative tools which arises the question - who may own the content that is generated by these tools? In this paper we aim to address this question, we start by providing a background to this problem, raising several candidates that may own the content and arguments for each one of them. Then we propose a possible algorithmic solution in the vision-based model's regime. Finally, we discuss the broader implications of this problem.
Abstract（参考訳）: 近年、画像アート、文詩、音楽など、機械学習が生み出したコンテンツが顕著になっている。これらのツールはメディア、アーティスト、研究者、投資家から多くの注目を集めている。これらのツールはデータ駆動型であるため、これらのツールが生成するコンテンツを誰が所有するかという、従来の創造的なツールとは本質的に違います。そこで本稿では,この問題の背景として,それぞれに内容や議論を所有する候補を複数挙げることから,この問題に対処することを目的とする。次に,視覚モデルシステムにおけるアルゴリズム的解法を提案する。最後に,この問題の広範な意味について論じる。

関連論文リスト

For those who don't know (how) to ask: Building a dataset of technology questions for digital newcomers [0.5249805590164901]
本稿では,デジタル新参者や外部者の質問を抽出するデータセットの作成を提案する。計画されている取り組みと、このデータセットの潜在的な利用について概説する。
論文参考訳（メタデータ） (2024-03-26T22:08:33Z)
A Preliminary Exploration of YouTubers' Use of Generative-AI in Content Creation [23.846550109969378]
コンテンツクリエーターは、生成的人工知能(Gen-AI)を利用して想像的画像、AI生成ビデオ、記事を作成する。この研究は最初、Gen-AIの使い方を示す68本のYouTubeビデオの質的な分析を通して、この新興領域を探索した。本研究は,Gen-AIが生成する最終製品について,ユーザ生成コンテンツのコンテキストにおいて,コンテンツドメイン,使用するツールの種類,動作状況,および特性を明らかにすることに焦点を当てる。
論文参考訳（メタデータ） (2024-03-09T23:22:56Z)
State of the Art on Diffusion Models for Visual Computing [191.6168813012954]
本稿では,拡散モデルの基本数学的概念,実装の詳細,および一般的な安定拡散モデルの設計選択を紹介する。また,拡散に基づく生成と編集に関する文献の急速な発展を概観する。利用可能なデータセット、メトリクス、オープンな課題、社会的意味について議論する。
論文参考訳（メタデータ） (2023-10-11T05:32:29Z)
Exploring Perspectives on the Impact of Artificial Intelligence on the Creativity of Knowledge Work: Beyond Mechanised Plagiarism and Stochastic Parrots [11.104666702713793]
創造性と独創性は、オブジェクトの注目に値する、あるいは情報理論的な性質の定義にどのように抵抗するかを示します。 AIは、知識労働を物質生産から重要な統合へとシフトさせることを提案します。
論文参考訳（メタデータ） (2023-07-20T10:26:57Z)
Art and the science of generative AI: A deeper dive [26.675816750583138]
生成AIは、ビジュアルアート、コンセプトアート、音楽、フィクション、文学、ビデオ、アニメーションのための高品質な芸術メディアを作成することができる。我々は、生成的AIは芸術の終焉のハービンジャーではなく、独自の余裕を持つ新しい媒体であると主張している。
論文参考訳（メタデータ） (2023-06-07T04:27:51Z)
LLM-based Interaction for Content Generation: A Case Study on the Perception of Employees in an IT department [85.1523466539595]
本稿では,IT企業の従業員が生成ツールを使用する意図を明らかにするためのアンケート調査を行う。以上の結果から, 生成ツールの比較的平均的な受容性が示唆されるが, ツールが有用であると認識されるほど, 意図が高くなることが示唆された。分析の結果, 生産ツールの利用頻度は, 従業員が作業の文脈でこれらのツールをどのように認識しているかを理解する上で重要な要因である可能性が示唆された。
論文参考訳（メタデータ） (2023-04-18T15:35:43Z)
Tool Learning with Foundation Models [158.8640687353623]
基礎モデルの出現により、AIシステムは、人間としてのツールの使用に等しく適応できる可能性がある。その大きな可能性にもかかわらず、この分野における重要な課題、機会、そして将来の取り組みに関する包括的な理解はいまだに欠けている。
論文参考訳（メタデータ） (2023-04-17T15:16:10Z)
A Comprehensive Survey of AI-Generated Content (AIGC): A History of Generative AI from GAN to ChatGPT [63.58711128819828]
ChatGPTおよびその他の生成AI(GAI)技術は、人工知能生成コンテンツ(AIGC)のカテゴリに属している。 AIGCの目標は、コンテンツ作成プロセスをより効率的かつアクセスしやすくし、高品質なコンテンツをより高速に生産できるようにすることである。
論文参考訳（メタデータ） (2023-03-07T20:36:13Z)
Redefining Relationships in Music [55.478320310047785]
私たちは、AIツールが音楽文化を根本的に変えてくれると論じています。この分野で働く人々は、音楽の実践、消費、意味に対するネガティブな影響を減らすことができる。
論文参考訳（メタデータ） (2022-12-13T19:44:32Z)
Modeling Content Creator Incentives on Algorithm-Curated Platforms [76.53541575455978]
本研究では,アルゴリズムの選択が露出ゲームにおける(ナッシュ)平衡の存在と性格にどのように影響するかを検討する。本研究では、露出ゲームにおける平衡を数値的に見つけるためのツールを提案し、MovieLensとLastFMデータセットの監査結果を示す。
論文参考訳（メタデータ） (2022-06-27T08:16:59Z)
Do You See What I See? Capabilities and Limits of Automated Multimedia Content Analysis [0.0]
本稿では,自動コンテンツ分析ツールの機能と限界について説明する。これは、マッチングモデルとコンピュータ予測モデルという2つの主要なツールカテゴリに焦点を当てている。
論文参考訳（メタデータ） (2021-12-15T22:42:00Z)

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。