論文の概要: Artificial Intelligence and Misinformation in Art: Can Vision Language Models Judge the Hand or the Machine Behind the Canvas?
- arxiv url: http://arxiv.org/abs/2508.01408v1
- Date: Sat, 02 Aug 2025 15:27:31 GMT
- ステータス: 翻訳完了
- システム内更新日: 2025-08-12 14:17:18.649558
- Title: Artificial Intelligence and Misinformation in Art: Can Vision Language Models Judge the Hand or the Machine Behind the Canvas?
- Title（参考訳）: 芸術における人工知能と誤情報: 視覚言語モデルは、キャンバスの背後にある手や機械を判断できるか?
- Authors: Tarian Fu, Javier Conde, Gonzalo Martínez, Pedro Reviriego, Elena Merino-Gómez, Fernando Moral,
- Abstract要約: 画像の生成と解析が可能な強力な人工知能モデルは、属性を描くための新たな課題を生み出します。
一方、AIモデルは画家のスタイルを模倣するイメージを作成することができる。
一方、AIモデルは実際の絵画のアーティストを正しく識別できない可能性がある。
- 参考スコア（独自算出の注目度）: 40.65612212208553
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: The attribution of artworks in general and of paintings in particular has always been an issue in art. The advent of powerful artificial intelligence models that can generate and analyze images creates new challenges for painting attribution. On the one hand, AI models can create images that mimic the style of a painter, which can be incorrectly attributed, for example, by other AI models. On the other hand, AI models may not be able to correctly identify the artist for real paintings, inducing users to incorrectly attribute paintings. In this paper, both problems are experimentally studied using state-of-the-art AI models for image generation and analysis on a large dataset with close to 40,000 paintings from 128 artists. The results show that vision language models have limited capabilities to: 1) perform canvas attribution and 2) to identify AI generated images. As users increasingly rely on queries to AI models to get information, these results show the need to improve the capabilities of VLMs to reliably perform artist attribution and detection of AI generated images to prevent the spread of incorrect information.
- Abstract（参考訳）: 芸術全般、特に絵画の帰属は、常に芸術において問題となっている。
画像の生成と解析が可能な強力な人工知能モデルの出現は、属性を描くための新たな課題を生み出します。
一方、AIモデルは画家のスタイルを模倣するイメージを作成することができる。
一方、AIモデルは実際の絵画のアーティストを正しく識別できない可能性がある。
本稿では,128名のアーティストの絵を4万枚近い大データセット上で画像生成・解析するために,最先端のAIモデルを用いて,両問題を実験的に検討した。
その結果、視覚言語モデルには次のような限られた能力があることがわかった。
1)キャンバスの属性を実行し、
2)AI生成画像の識別。
ユーザが情報を得るためにAIモデルへのクエリをますます頼りにしているため、これらの結果は、不正な情報の拡散を防ぐために、アーティストの帰属とAI生成した画像の検出を確実に行うVLMの能力を改善する必要があることを示している。
関連論文リスト
- Could AI Trace and Explain the Origins of AI-Generated Images and Text? [53.11173194293537]
AI生成コンテンツは、現実の世界ではますます普及している。
敵は、大規模なマルチモーダルモデルを利用して、倫理的または法的基準に違反した画像を作成するかもしれない。
ペーパーレビュアーは、大きな言語モデルを誤用して、真の知的努力なしにレビューを生成する。
論文 参考訳（メタデータ） (2025-04-05T20:51:54Z) - Has an AI model been trained on your images? [13.106063755117399]
モデルが特定の画像や画像に対してトレーニングされたかどうかを判断する手法について述べる。
この方法は計算的に効率的であり、モデルアーキテクチャや重みに関する明確な知識を前提としない。
我々は、既存のモデルの監査にこの手法が不可欠であると予測し、生成AIモデルのより公平な開発と展開を期待する。
論文 参考訳（メタデータ） (2025-01-11T01:12:23Z) - ArtBrain: An Explainable end-to-end Toolkit for Classification and Attribution of AI-Generated Art and Style [2.7321177315998915]
本稿では,10種類のアートスタイルにまたがる185,015のアートイメージを収録したデータセットであるAI-ArtBenchを紹介する。
125,015点のAI生成画像と6万点の人造アートワークが含まれている。
生成モデルの属性の精度は0.999に達する。
論文 参考訳（メタデータ） (2024-12-02T14:03:50Z) - Crafting Synthetic Realities: Examining Visual Realism and Misinformation Potential of Photorealistic AI-Generated Images [6.308018793111589]
この研究は、AIGIのAIフォトリアリズムを4つの重要な側面、コンテンツ、人間、美学、生産機能から解き放つ。
フォトリアリスティックAIGIは、しばしば人間の人物、特に有名人や政治家を描写する。
論文 参考訳（メタデータ） (2024-09-26T02:46:43Z) - A Sanity Check for AI-generated Image Detection [49.08585395873425]
我々はAI生成画像を検出するAI生成画像検出装置(AI生成画像検出装置)を提案する。
AIDEは最先端の手法を+3.5%、+4.6%改善した。
論文 参考訳（メタデータ） (2024-06-27T17:59:49Z) - The Adversarial AI-Art: Understanding, Generation, Detection, and Benchmarking [47.08666835021915]
本稿では,AI生成画像(AI-art)を敵のシナリオで理解し,検出するための体系的な試みを提案する。
ARIAという名前のデータセットには、アートワーク(絵画)、ソーシャルメディアイメージ、ニュース写真、災害シーン、アニメ画像の5つのカテゴリに140万以上の画像が含まれている。
論文 参考訳（メタデータ） (2024-04-22T21:00:13Z) - Organic or Diffused: Can We Distinguish Human Art from AI-generated Images? [24.417027069545117]
AIが生成した画像を人間のアートから取り除くことは、難しい問題だ。
この問題に対処できないため、悪いアクターは、AIイメージを禁止したポリシーを掲げる人間芸術や企業に対してプレミアムを支払う個人を欺くことができる。
7つのスタイルにまたがって実際の人間のアートをキュレートし、5つの生成モデルからマッチング画像を生成し、8つの検出器を適用します。
論文 参考訳（メタデータ） (2024-02-05T17:25:04Z) - Learning to Evaluate the Artness of AI-generated Images [64.48229009396186]
アートスコア(ArtScore)は、アーティストによる本物のアートワークと画像がどの程度似ているかを評価するために設計されたメトリクスである。
我々は、写真とアートワークの生成のために事前訓練されたモデルを採用し、一連の混合モデルを生み出した。
このデータセットはニューラルネットワークのトレーニングに使用され、任意の画像の定量化精度レベルを推定する方法を学ぶ。
論文 参考訳（メタデータ） (2023-05-08T17:58:27Z) - 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。