論文の概要: From Imitation to Innovation: The Emergence of AI Unique Artistic Styles and the Challenge of Copyright Protection

• arxiv url: http://arxiv.org/abs/2507.04769v1
• Date: Mon, 07 Jul 2025 08:45:08 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-07-08 15:46:35.337155
• Title: From Imitation to Innovation: The Emergence of AI Unique Artistic Styles and the Challenge of Copyright Protection
• Title（参考訳）: 模倣からイノベーションへ:AIのユニークな芸術スタイルの創出と著作権保護の課題
• Authors: Zexi Jia, Chuanwei Huang, Yeshuang Zhu, Hongyan Fei, Ying Deng, Zhiqiang Yuan, Jiapei Zhang, Jinchao Zhang, Jie Zhou,
• Abstract要約: ArtBulbは、AIアート著作権判断のための解釈可能かつ定量化可能なフレームワークである。 AICDは、アーティストや法律の専門家によって注釈付けされた、AIアート著作権のための最初のベンチマークデータセットである。
• 参考スコア（独自算出の注目度）: 26.167194142428475
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Current legal frameworks consider AI-generated works eligible for copyright protection when they meet originality requirements and involve substantial human intellectual input. However, systematic legal standards and reliable evaluation methods for AI art copyrights are lacking. Through comprehensive analysis of legal precedents, we establish three essential criteria for determining distinctive artistic style: stylistic consistency, creative uniqueness, and expressive accuracy. To address these challenges, we introduce ArtBulb, an interpretable and quantifiable framework for AI art copyright judgment that combines a novel style description-based multimodal clustering method with multimodal large language models (MLLMs). We also present AICD, the first benchmark dataset for AI art copyright annotated by artists and legal experts. Experimental results demonstrate that ArtBulb outperforms existing models in both quantitative and qualitative evaluations. Our work aims to bridge the gap between the legal and technological communities and bring greater attention to the societal issue of AI art copyrights.
• Abstract（参考訳）: 現在の法的枠組みは、AIが生成した著作物が著作権保護の要件を満たし、人間の知的入力をかなり含んでいる場合、著作権保護の対象とみなすものである。 しかし、体系的な法的基準とAIアート著作権の信頼性評価方法が欠落している。 法的な前例を包括的に分析することにより,様式的整合性,創造的独特性,表現的正確性という,独特な芸術様式を決定するための重要な3つの基準を確立する。 これらの課題に対処するために,新しいスタイル記述に基づくマルチモーダルクラスタリング手法とマルチモーダル大言語モデル(MLLM)を組み合わせた,AIアート著作権判断のための解釈可能な定量化フレームワークであるArtBulbを紹介する。 また、アーティストや法律の専門家によって注釈付けされたAIアート著作権のための最初のベンチマークデータセットであるAICDも紹介します。 実験の結果,ArtBulbは定量評価と定性評価の両方で既存モデルよりも優れていた。 我々の研究は、法律と技術コミュニティのギャップを埋め、AIアート著作権の社会的問題に注意を向けることを目的としています。

関連論文リスト

• Data Shapley in One Training Run [88.59484417202454]
  Data Shapleyは、機械学習コンテキストにおけるデータのコントリビューションに寄与するための、原則化されたフレームワークを提供する。 既存のアプローチでは、計算集約的な異なるデータサブセット上の再学習モデルが必要である。 本稿では、対象とするデータモデルに対するスケーラブルなデータ属性を提供することにより、これらの制限に対処するIn-Run Data Shapleyを紹介する。
  論文  参考訳（メタデータ） (2024-06-16T17:09:24Z)
• ©Plug-in Authorization for Human Content Copyright Protection in Text-to-Image Model [71.47762442337948]
  最先端のモデルは、オリジナルクリエーターを信用せずに高品質なコンテンツを作成する。 本稿では,3つの操作 – 追加,抽出,組み合わせ – を導入した著作権プラグイン認証フレームワークを提案する。 アーティストスタイルの複製と漫画IPレクリエーションの実験は、著作権プラグインの有効性を実証している。
  論文  参考訳（メタデータ） (2024-04-18T07:48:00Z)
• Toward an Artist-Centred AI [0.0]
  本稿では、芸術におけるAIの使用に関する原則、実践、ツールの適合性と望ましい概念を文脈的に分析する。 AIがアート制作、流通、消費、収益化にもたらす課題を調べることで構成された。
  論文  参考訳（メタデータ） (2024-04-13T09:43:23Z)
• Uncertain Boundaries: Multidisciplinary Approaches to Copyright Issues in Generative AI [2.2780130786778665]
  著作権のある素材のほぼレプリカを生成する生成AIモデルは、現在の法的枠組みを適用する必要性を強調している。 AIにおける著作権に関する既存の研究は、純粋にコンピュータ科学または法に基づくアプローチを採用している。 この調査は、法、政策、経済学、コンピュータ科学から洞察を総合的に合成するアプローチを採用する。
  論文  参考訳（メタデータ） (2024-03-31T22:10:01Z)
• 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)
• 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)
• A Dataset and Benchmark for Copyright Infringement Unlearning from Text-to-Image Diffusion Models [52.49582606341111]
  著作権法は、クリエイティブ作品を再生、配布、収益化する排他的権利をクリエイターに与えている。 テキスト・ツー・イメージ・ジェネレーションの最近の進歩は、著作権の執行に重大な課題をもたらしている。 CLIP、ChatGPT、拡散モデルを調和させてデータセットをキュレートする新しいパイプラインを導入する。
  論文  参考訳（メタデータ） (2024-01-04T11:14:01Z)
• An interdisciplinary conceptual study of Artificial Intelligence (AI) for helping benefit-risk assessment practices: Towards a comprehensive qualification matrix of AI programs and devices (pre-print 2020) [55.41644538483948]
  本稿では,インテリジェンスの概念に対処するさまざまな分野の既存の概念を包括的に分析する。 目的は、AIシステムを評価するための共有概念や相違点を特定することである。
  論文  参考訳（メタデータ） (2021-05-07T12:01:31Z)

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。