論文の概要: Content ARCs: Decentralized Content Rights in the Age of Generative AI

• arxiv url: http://arxiv.org/abs/2503.14519v1
• Date: Fri, 14 Mar 2025 11:57:08 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-03-20 15:25:56.477026
• Title: Content ARCs: Decentralized Content Rights in the Age of Generative AI
• Title（参考訳）: コンテンツARC: 生成AIの時代におけるコンテンツ権利の分散化
• Authors: Kar Balan, Andrew Gilbert, John Collomosse,
• Abstract要約: 本稿では,EmphContent ARC (Authenticity, Rights, Compensation) と呼ばれるフレームワークを提案する。 証明と動的ライセンシングのオープンスタンダードとデータ属性を組み合わせることで、Content ARCは、権利を管理し、AIトレーニングで自分の仕事を使用するためのクリエイターを補償するメカニズムを作成します。 我々は、Content ARCs内のAIデータライセンス分野におけるいくつかの初期段階の成果を特徴づけ、エンドツーエンドフレームワークを完全に実装するための課題がどこにあるかを特定します。
• 参考スコア（独自算出の注目度）: 14.208062688463524
• License:
• Abstract: The rise of Generative AI (GenAI) has sparked significant debate over balancing the interests of creative rightsholders and AI developers. As GenAI models are trained on vast datasets that often include copyrighted material, questions around fair compensation and proper attribution have become increasingly urgent. To address these challenges, this paper proposes a framework called \emph{Content ARCs} (Authenticity, Rights, Compensation). By combining open standards for provenance and dynamic licensing with data attribution, and decentralized technologies, Content ARCs create a mechanism for managing rights and compensating creators for using their work in AI training. We characterize several nascent works in the AI data licensing space within Content ARCs and identify where challenges remain to fully implement the end-to-end framework.
• Abstract（参考訳）: Generative AI(GenAI)の台頭は、クリエイティブな権利保有者とAI開発者の利益のバランスに関する重要な議論を引き起こしている。 GenAIモデルは、しばしば著作権のある素材を含む広大なデータセットで訓練されているため、公正な補償と適切な帰属に関する疑問がますます緊急になっている。 これらの課題に対処するため,本稿では,認証,権利,補償(Authenticity, Rights, Compensation)と呼ばれる枠組みを提案する。 証明と動的ライセンシングのオープンスタンダードとデータ属性、分散技術を組み合わせることで、Content ARCは、権利を管理し、AIトレーニングで自分の仕事を使用するクリエイターを補償するメカニズムを作成します。 我々は、Content ARCs内のAIデータライセンス分野におけるいくつかの初期段階の成果を特徴づけ、エンドツーエンドフレームワークを完全に実装するための課題がどこにあるかを特定します。

関連論文リスト

• SoK: Watermarking for AI-Generated Content [112.9218881276487]
  ウォーターマーキングスキームは、AI生成コンテンツに隠された信号を埋め込んで、信頼性の高い検出を可能にする。 透かしは、誤情報や偽造と戦ってAIの安全性と信頼性を高める上で重要な役割を果たす。 本研究の目的は、研究者が透かし法や応用の進歩を指導し、GenAIの幅広い意味に対処する政策立案者を支援することである。
  論文  参考訳（メタデータ） (2024-11-27T16:22:33Z)
• Do Responsible AI Artifacts Advance Stakeholder Goals? Four Key Barriers Perceived by Legal and Civil Stakeholders [59.17981603969404]
  責任あるAI(RAI)コミュニティは、透明性を促進し、AIシステムのガバナンスをサポートするために、多数のプロセスとアーティファクトを導入している。 我々は、責任あるAI活動に関する政策と擁護を通知する19の政府、法律、市民社会の利害関係者と半構造化されたインタビューを行う。 我々は、これらの信念を4つの障壁にまとめて、RAIアーティファクトが(必然的に)市民社会、政府、産業間での権力関係を再構成する方法を説明する。
  論文  参考訳（メタデータ） (2024-08-22T00:14:37Z)
• Trustworthy AIGC Copyright Management with Full Lifecycle Recording and Multi-party Supervision in Blockchain [10.015046490760199]
  現在の著作権の法体系は、人間のクリエーターを中心に構築されているが、AIGCの領域では、コンテンツ制作における人間の役割は減少している。 著作権の公平な分配を達成するためには、AIGCの発生に関わるすべてのエンティティの貢献を慎重に記録する必要がある。 この研究はAIGCの全ライフサイクルを通じて生成された中間データを徹底的に記録し、それらを分散化されたブロックチェーンシステムに堆積して、セキュアなマルチパーティ監視を実現する。
  論文  参考訳（メタデータ） (2024-06-21T08:22:39Z)
• An Economic Solution to Copyright Challenges of Generative AI [35.37023083413299]
  生成人工知能システムは、新しいテキスト、画像、ビデオ、その他のメディアを生成するために訓練されている。 このようなシステムは、データコントリビュータのトレーニングに関する著作権権に侵害されるのではないか、という懸念が高まっている。 本稿では,AI生成コンテンツ作成への貢献に比例して著作権所有者を補償する枠組みを提案する。
  論文  参考訳（メタデータ） (2024-04-22T08:10:38Z)
• Not All Similarities Are Created Equal: Leveraging Data-Driven Biases to Inform GenAI Copyright Disputes [20.237329910319293]
  本稿では,GenAIモデルの学習能力を利用した著作権法解析手法を提案する。 我々は、GenAIによって作成された作品の汎用性を特定するためのデータ駆動型アプローチを提案する。 著作権法における表現的汎用性を測定することの潜在的意味は深い。
  論文  参考訳（メタデータ） (2024-03-26T13:32:32Z)
• Prompting the E-Brushes: Users as Authors in Generative AI [0.0]
  著作権庁は2023年3月のガイダンスで、ジェネレーティブAIのユーザーが著作権保護を受ける権利を主張している。 本稿では,これらのツールを創造的努力に取り入れた生成型AIユーザの認識を提唱する。 この条は、AIが生み出した貢献を排除するのではなく、単純化され、合理化された登録プロセスを示唆している。
  論文  参考訳（メタデータ） (2024-03-25T02:20:14Z)
• Generative AI and Copyright: A Dynamic Perspective [0.0]
  ジェネレーティブAIは、クリエイティブ産業をディスラプトしようとしている。 コンテンツが生成的AIモデル(フェアユース標準)のトレーニングに使用されているクリエーターへの補償と、著作権保護(AI-コピーライトビリティ)のためのAI生成コンテンツの適性は重要な問題である。 本稿では、これらの2つの規制問題とその相互作用の経済的意味をよりよく理解することを目的とする。
  論文  参考訳（メタデータ） (2024-02-27T07:12:48Z)
• Copyright Protection in Generative AI: A Technical Perspective [58.84343394349887]
  ジェネレーティブAIは近年急速に進歩し、テキスト、画像、オーディオ、コードなどの合成コンテンツを作成する能力を拡大している。 これらのディープ・ジェネレーティブ・モデル(DGM)が生成したコンテンツの忠実さと信頼性が、著作権の重大な懸念を引き起こしている。 この研究は、技術的観点から著作権保護の包括的概要を提供することで、この問題を深く掘り下げている。
  論文  参考訳（メタデータ） (2024-02-04T04:00:33Z)
• Guiding AI-Generated Digital Content with Wireless Perception [69.51950037942518]
  本稿では,AIGC(AIGC)と無線認識を統合し,デジタルコンテンツ制作の質を向上させる。 このフレームワークは、単語の正確な記述が難しいユーザの姿勢を読み取るために、新しいマルチスケール認識技術を採用し、それをスケルトン画像としてAIGCモデルに送信する。 生産プロセスはAIGCモデルの制約としてユーザの姿勢を強制するため、生成されたコンテンツはユーザの要求に適合する。
  論文  参考訳（メタデータ） (2023-03-26T04:39:03Z)
• 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)
• Data-centric AI: Perspectives and Challenges [51.70828802140165]
  データ中心AI(DCAI)は、モデル進歩からデータ品質と信頼性の確保への根本的なシフトを提唱している。 データ開発、推論データ開発、データメンテナンスの3つの一般的なミッションをまとめます。
  論文  参考訳（メタデータ） (2023-01-12T05:28:59Z)

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。