論文の概要: Descriptions of women are longer than that of men: An analysis of gender portrayal prompts in Stable Diffusion

• arxiv url: http://arxiv.org/abs/2411.18994v1
• Date: Thu, 28 Nov 2024 08:48:05 GMT
• ステータス: 翻訳完了
• システム内更新日: 2024-12-02 15:20:59.703739
• Title: Descriptions of women are longer than that of men: An analysis of gender portrayal prompts in Stable Diffusion
• Title（参考訳）: 女性の記述は男性よりも長い:安定拡散におけるジェンダー描写プロンプトの分析
• Authors: Yan Asadchy, Maximilian Schich,
• Abstract要約: われわれは、Discordで男女を描写した180万件以上のプロンプトを分析している。 ストロングやラグドといった支配的な特徴を用いて男性が記述される古典的なステレオタイプを見いだす。 女性は身体や提出に関する概念で表現される:「美人」「美人」など。
• 参考スコア（独自算出の注目度）: 0.0
• License:
• Abstract: Generative AI for image creation emerges as a staple in the toolkit of digital artists, visual designers, and the general public. Social media users have many tools to shape their visual representation: image editing tools, filters, face masks, face swaps, avatars, and AI-generated images. The importance of the right profile image can not be understated: It is crucial for creating the right first impression, sustains trust, and enables communication. Conventionally correct representation of individuals, groups, and collectives may help foster inclusivity, understanding, and respect in society, ensuring that diverse perspectives are acknowledged and valued. While previous research revealed the biases in large image datasets such as ImageNet and inherited biases in the AI systems trained on it, within this work, we look at the prejudices and stereotypes as they emerge from textual prompts used for generating images on Discord using the StableDiffusion model. We analyze over 1.8 million prompts depicting men and women and use statistical methods to uncover how prompts describing men and women are constructed and what words constitute the portrayals of respective genders. We show that the median male description length is systematically shorter than the median female description length, while our findings also suggest a shared practice of prompting regarding the word length distribution. The topic analysis suggests the existence of classic stereotypes in which men are described using dominant qualities such as "strong" and "rugged". In contrast, women are represented with concepts related to body and submission: "beautiful", "pretty", etc. These results highlight the importance of the original intent of the prompting and suggest that cultural practices on platforms such as Discord should be considered when designing interfaces that promote exploration and fair representation.
• Abstract（参考訳）: 画像作成のためのジェネレーティブAIは、デジタルアーティスト、ビジュアルデザイナ、一般大衆のツールキットの基盤として現れている。 ソーシャルメディアユーザーは、画像編集ツール、フィルター、フェイスマスク、フェイススワップ、アバター、AI生成画像など、視覚的な表現を形成する多くのツールを持っている。 適切なファーストインプレッションを作成し、信頼を維持し、コミュニケーションを可能にすることが重要です。 伝統的に正しい個人、グループ、集団の表現は、社会における傾倒、理解、尊敬を育み、多様な視点が認識され、価値が与えられることを保証するのに役立つ。 以前の研究では、ImageNetなどの大規模な画像データセットのバイアスと、それに基づいてトレーニングされたAIシステムの継承バイアスが明らかにされていたが、本研究では、StableDiffusionモデルを使用してDiscord上の画像を生成するために使用されるテキストプロンプトから現れる偏見とステレオタイプについて検討した。 男性と女性を描写する180万以上のプロンプトを分析し、男女を描写するプロンプトがどのように構築され、どの言葉がそれぞれのジェンダーの描写を構成するかを明らかにするために統計手法を用いています。 また, 中央値男性記述長が中央値女性記述長よりも体系的に短いことを示し, また, 単語長分布の共有化も示唆した。 このトピック分析は、男性が「強い」や「うずく」といった支配的な性質を用いて記述される古典的なステレオタイプの存在を示唆している。 対照的に、女性は身体や提出に関する概念で表現される:「美人」「美人」など。 これらの結果は,探索と公正な表現を促進するインターフェースを設計する際には,Discordのようなプラットフォーム上での文化的実践を考慮すべきである,という本来の意図の重要性を浮き彫りにしている。

関連論文リスト

• Computational Analysis of Gender Depiction in the Comedias of Calderón de la Barca [6.978406757882009]
  我々は、ペドロ・カルデーン・デ・ラ・バルカ(Pedro Calder'on de la Barca)の非宗教作品(メディア)におけるジェンダー描写を研究する方法を開発した。 ジェンダー分類器を用いて100以上の戯曲のコーパスからインサイトを収集し,モデル説明可能性(属性)手法を適用した。 性別予測モデルでは, 女性と男性との特徴が異なり, 実際に有効な精度で識別できることがわかった。
  論文  参考訳（メタデータ） (2024-11-06T13:13:33Z)
• The Male CEO and the Female Assistant: Evaluation and Mitigation of Gender Biases in Text-To-Image Generation of Dual Subjects [58.27353205269664]
  本稿では,Paired Stereotype Test (PST) フレームワークを提案する。 PSTクエリT2Iモデルは、男性ステレオタイプと女性ステレオタイプに割り当てられた2つの個人を描写する。 PSTを用いて、ジェンダーバイアスの2つの側面、つまり、ジェンダーの職業におけるよく知られたバイアスと、組織力におけるバイアスという新しい側面を評価する。
  論文  参考訳（メタデータ） (2024-02-16T21:32:27Z)
• Stable Diffusion Exposed: Gender Bias from Prompt to Image [25.702257177921048]
  本稿では,安定拡散画像における生成過程の各ステップにおける性別指標の影響を解析する評価プロトコルを提案する。 以上の結果から,特定の性別に合わせて調整された楽器や,全体のレイアウトの変化など,物体の描写の違いの存在が示唆された。
  論文  参考訳（メタデータ） (2023-12-05T10:12:59Z)
• VisoGender: A dataset for benchmarking gender bias in image-text pronoun resolution [80.57383975987676]
  VisoGenderは、視覚言語モデルで性別バイアスをベンチマークするための新しいデータセットである。 We focus to occupation-related biases in a hegemonic system of binary gender, inspired by Winograd and Winogender schemas。 我々は、最先端の視覚言語モデルをいくつかベンチマークし、それらが複雑な場面における二項性解消のバイアスを示すことを発見した。
  論文  参考訳（メタデータ） (2023-06-21T17:59:51Z)
• Stereotypes and Smut: The (Mis)representation of Non-cisgender Identities by Text-to-Image Models [6.92043136971035]
  マルチモーダルモデルが男女同一性をどのように扱うかを検討する。 特定の非シスジェンダーのアイデンティティは、人間より少なく、ステレオタイプで、性的にも、一貫して(ミス)表現されている。 これらの改善は、影響のあるコミュニティによって変革が導かれる未来への道を開く可能性がある。
  論文  参考訳（メタデータ） (2023-05-26T16:28:49Z)
• Auditing Gender Presentation Differences in Text-to-Image Models [54.16959473093973]
  我々は、テキスト・ツー・イメージ・モデルにおいて、ジェンダーがどのように異なる形で提示されるかを研究する。 入力テキスト中の性指標を探索することにより、プレゼンテーション中心属性の周波数差を定量化する。 このような違いを推定する自動手法を提案する。
  論文  参考訳（メタデータ） (2023-02-07T18:52:22Z)
• Easily Accessible Text-to-Image Generation Amplifies Demographic Stereotypes at Large Scale [61.555788332182395]
  危険で複雑なステレオタイプを増幅する機械学習モデルの可能性を検討する。 さまざまな通常のプロンプトがステレオタイプを生成しており、それらは単に特性、記述子、職業、オブジェクトに言及するプロンプトを含む。
  論文  参考訳（メタデータ） (2022-11-07T18:31:07Z)
• How well can Text-to-Image Generative Models understand Ethical Natural Language Interventions? [67.97752431429865]
  倫理的介入を加える際の画像の多様性への影響について検討した。 予備研究は、モデル予測の大きな変化が「性別の無視」のような特定のフレーズによって引き起こされることを示している。
  論文  参考訳（メタデータ） (2022-10-27T07:32:39Z)
• DALL-Eval: Probing the Reasoning Skills and Social Biases of Text-to-Image Generation Models [73.12069620086311]
  テキスト・ツー・イメージ・モデルの視覚的推論能力と社会的バイアスについて検討する。 まず,物体認識,物体カウント,空間的関係理解という3つの視覚的推論スキルを計測する。 第2に、生成した画像の性別/肌の色調分布を測定することにより、性別と肌のトーンバイアスを評価する。
  論文  参考訳（メタデータ） (2022-02-08T18:36:52Z)

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。