論文の概要: TWIGMA: A dataset of AI-Generated Images with Metadata From Twitter
- arxiv url: http://arxiv.org/abs/2306.08310v1
- Date: Wed, 14 Jun 2023 07:27:57 GMT
- ステータス: 処理完了
- システム内更新日: 2023-06-16 19:55:04.382275
- Title: TWIGMA: A dataset of AI-Generated Images with Metadata From Twitter
- Title（参考訳）: TWIGMA: Twitterのメタデータを備えたAI生成画像のデータセット
- Authors: Yiqun Chen, James Zou
- Abstract要約: TWIGMAは,2021年1月から2023年3月までに収集された800,000以上のgen-AI画像を含むデータセットである。
その結果,gen-AI画像には特徴があり,非gen-AI画像と比較すると,平均的,低変動性を示すことがわかった。
われわれは、Twitter上でAI生成画像のテーマの経年変化を観察し、ユーザーは芸術的に洗練されたコンテンツをますます共有している。
- 参考スコア（独自算出の注目度）: 14.271396249666239
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Recent progress in generative artificial intelligence (gen-AI) has enabled
the generation of photo-realistic and artistically-inspiring photos at a single
click, catering to millions of users online. To explore how people use gen-AI
models such as DALLE and StableDiffusion, it is critical to understand the
themes, contents, and variations present in the AI-generated photos. In this
work, we introduce TWIGMA (TWItter Generative-ai images with MetadatA), a
comprehensive dataset encompassing over 800,000 gen-AI images collected from
Jan 2021 to March 2023 on Twitter, with associated metadata (e.g., tweet text,
creation date, number of likes). Through a comparative analysis of TWIGMA with
natural images and human artwork, we find that gen-AI images possess
distinctive characteristics and exhibit, on average, lower variability when
compared to their non-gen-AI counterparts. Additionally, we find that the
similarity between a gen-AI image and natural images (i) is inversely
correlated with the number of likes; and (ii) can be used to identify human
images that served as inspiration for the gen-AI creations. Finally, we observe
a longitudinal shift in the themes of AI-generated images on Twitter, with
users increasingly sharing artistically sophisticated content such as intricate
human portraits, whereas their interest in simple subjects such as natural
scenes and animals has decreased. Our analyses and findings underscore the
significance of TWIGMA as a unique data resource for studying AI-generated
images.
- Abstract（参考訳）: 生成型人工知能(gen-AI)の最近の進歩により、写真リアリスティック写真や芸術的インスピレーション写真が1クリックで生成できるようになった。
DALLEやStableDiffusionといったジェネラルAIモデルの使用方法を検討するためには、AI生成写真に存在するテーマ、内容、バリエーションを理解することが重要である。
本稿では,2021年1月から2023年3月までにTwitter上で収集された800,000以上のgen-AIイメージを含む包括的なデータセットであるTWIGMA(TWItter Generative-aiイメージ with MetadatA)を紹介する。
TWIGMAと自然画像と人間のアートワークを比較した結果,gen-AI画像は特徴的特徴を有し,非gen-AI画像と比較した場合,平均的,低変動性を示すことがわかった。
さらに,gen-AI画像と自然画像との類似性も明らかになった。
(i)「いいね」の数と逆相関し、
(ii)は、gen-AI創造のインスピレーションとなる人間の画像を特定するために用いられる。
最後に、Twitter上でAI生成画像のテーマの経年変化を観察し、ユーザーは複雑な人間の肖像画などの芸術的に洗練されたコンテンツをシェアする一方で、自然の場面や動物のような単純な主題への関心は減少している。
我々は,AI生成画像の研究において,TWIGMAがユニークなデータ資源であることを示す。
関連論文リスト
- MiRAGeNews: Multimodal Realistic AI-Generated News Detection [45.067211436589126]
我々はAI生成フェイクニュースの拡散に対処するためのMiRAGeNewsデータセットを提案する。
私たちのデータセットは、人間に重大な課題をもたらします。
我々は、最先端のベースラインに対して+5.1%のF-1を向上するマルチモーダル検出器を訓練する。
論文 参考訳（メタデータ） (2024-10-11T17:58:02Z) - A Sanity Check for AI-generated Image Detection [49.08585395873425]
本稿では,AIによる画像検出の課題が解決されたかどうかの検査を行う。
既存の手法の一般化を定量化するために,Chameleonデータセット上で,既製のAI生成画像検出器を9つ評価した。
複数の専門家が同時に視覚的アーチファクトやノイズパターンを抽出するAI生成画像検出装置(AID)を提案する。
論文 参考訳（メタデータ） (2024-06-27T17:59:49Z) - Development of a Dual-Input Neural Model for Detecting AI-Generated Imagery [0.0]
AI生成画像を検出するツールを開発することが重要である。
本稿では、画像とフーリエ周波数分解の両方を入力として扱うデュアルブランチニューラルネットワークアーキテクチャを提案する。
提案モデルでは,CIFAKEデータセットの精度が94%向上し,従来のML手法やCNNよりも優れていた。
論文 参考訳（メタデータ） (2024-06-19T16:42:04Z) - AI-Generated Faces in the Real World: A Large-Scale Case Study of Twitter Profile Images [26.891299948581782]
われわれは,Twitter上でAI生成プロフィール画像の普及状況について,大規模な調査を行った。
約1500万枚のTwitterプロフィール写真を分析したところ、0.052%が人工的に生成され、プラットフォーム上での存在が確認された。
結果は、スパムや政治的増幅キャンペーンなど、いくつかの動機も明らかにしている。
論文 参考訳（メタデータ） (2024-04-22T14:57:17Z) - AIGCOIQA2024: Perceptual Quality Assessment of AI Generated Omnidirectional Images [70.42666704072964]
我々はAI生成の全方位画像IQAデータベースAIIGCOIQA2024を構築した。
3つの視点から人間の視覚的嗜好を評価するために、主観的IQA実験を行った。
我々は,データベース上での最先端IQAモデルの性能を評価するためのベンチマーク実験を行った。
論文 参考訳（メタデータ） (2024-04-01T10:08:23Z) - AI-Generated Images as Data Source: The Dawn of Synthetic Era [61.879821573066216]
生成AIは、現実世界の写真によく似た合成画像を作成する可能性を解き放った。
本稿では、これらのAI生成画像を新しいデータソースとして活用するという革新的な概念を探求する。
実際のデータとは対照的に、AI生成データには、未整合のアブリダンスやスケーラビリティなど、大きなメリットがある。
論文 参考訳（メタデータ） (2023-10-03T06:55:19Z) - Creating Image Datasets in Agricultural Environments using DALL.E: Generative AI-Powered Large Language Model [0.4143603294943439]
画像生成のアプローチとして,テキスト・ツー・イメージと画像・ツー・イメージの2つのアプローチを用いた。
画像から画像までの手法で生成した画像は、テキストから画像へのアプローチで生成した画像よりも現実的であった。
論文 参考訳（メタデータ） (2023-07-17T19:17:10Z) - ArtWhisperer: A Dataset for Characterizing Human-AI Interactions in Artistic Creations [26.4215586218117]
本研究は,対象画像の生成にテキスト・ツー・イメージ・モデルをどのように利用するかを検討する。
私たちはArtWhispererを作った。これはユーザーがターゲットイメージを与えられたオンラインゲームで、ターゲットに類似した画像を生成するプロンプトを反復的に見つける。
我々は5万以上の人間とAIのインタラクションを記録し、各インタラクションはユーザによって生成された1つのテキストプロンプトと、それに対応する生成された画像に対応する。
論文 参考訳（メタデータ） (2023-06-13T21:10:45Z) - DeepfakeArt Challenge: A Benchmark Dataset for Generative AI Art Forgery and Data Poisoning Detection [57.51313366337142]
悪意ある目的のために生成的AIを使用することについて懸念が高まっている。
生成AIを用いた視覚コンテンツ合成の領域では、画像偽造とデータ中毒が重要な関心事となっている。
DeepfakeArt Challenge(ディープフェイクアートチャレンジ)は、AIアートのジェネレーションとデータ中毒検出のための機械学習アルゴリズムの構築を支援するために設計された、大規模なチャレンジベンチマークデータセットである。
論文 参考訳（メタデータ） (2023-06-02T05:11:27Z) - Seeing is not always believing: Benchmarking Human and Model Perception
of AI-Generated Images [66.20578637253831]
人工知能(AI)技術の進歩が偽写真を生み出すのではないかという懸念が高まっている。
本研究の目的は、最先端のAI生成視覚コンテンツを識別するためのエージェントを包括的に評価することである。
論文 参考訳（メタデータ） (2023-04-25T17:51:59Z)
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。