論文の概要: When Algorithms Meet Artists: Topic Modeling the AI-Art Debate, 2013-2025
- arxiv url: http://arxiv.org/abs/2508.03037v1
- Date: Tue, 05 Aug 2025 03:26:00 GMT
- ステータス: 翻訳完了
- システム内更新日: 2025-08-06 18:18:55.754241
- Title: When Algorithms Meet Artists: Topic Modeling the AI-Art Debate, 2013-2025
- Title（参考訳）: アルゴリズムがアーティストと出会うとき:AI-Art論争のトピックモデリング、2013-2025
- Authors: Ariya Mukherjee-Gandhi, Oliver Muellerklein,
- Abstract要約: この研究は、2013年から2025年までの12年間のAI生成芸術を取り巻く英語の談話について分析した。
これは、意見記事、ニュース記事、ブログ、法的書類、および話し言葉の書き起こしからサンプリングされた439の500ワードの抜粋から引用される。
我々の発見は、技術ジャーゴンの使用がゲートキーピングの微妙な形態として機能し、しばしばアーティストが最も緊急とみなす問題の側面を埋めるものであることを強調している。
- 参考スコア（独自算出の注目度）: 0.0
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: As generative AI continues to reshape artistic production and alternate modes of human expression, artists whose livelihoods are most directly affected have raised urgent concerns about consent, transparency, and the future of creative labor. However, the voices of artists are often marginalized in dominant public and scholarly discourse. This study presents a twelve-year analysis, from 2013 to 2025, of English-language discourse surrounding AI-generated art. It draws from 439 curated 500-word excerpts sampled from opinion articles, news reports, blogs, legal filings, and spoken-word transcripts. Through a reproducible methodology, we identify five stable thematic clusters and uncover a misalignment between artists' perceptions and prevailing media narratives. Our findings highlight how the use of technical jargon can function as a subtle form of gatekeeping, often sidelining the very issues artists deem most urgent. Our work provides a BERTopic-based methodology and a multimodal baseline for future research, alongside a clear call for deeper, transparency-driven engagement with artist perspectives in the evolving AI-creative landscape.
- Abstract（参考訳）: 生成的AIは、芸術作品の作り直しと、人間の表現の代替モードを担っているため、生活に最も直接的な影響を与えているアーティストは、同意、透明性、創造的労働の将来について緊急の懸念を抱いている。
しかし、芸術家の声はしばしば、支配的な大衆や学術的な言説に疎外されている。
この研究は、2013年から2025年までの12年間のAI生成芸術を取り巻く英語の談話について分析した。
これは、意見記事、ニュース記事、ブログ、法的書類、および話し言葉の書き起こしからサンプリングされた439の500ワードの抜粋から引用される。
再現可能な手法により、5つの安定な主題的クラスタを特定し、アーティストの知覚と一般的なメディア物語との相違を明らかにする。
我々の発見は、技術ジャーゴンの使用がゲートキーピングの微妙な形態として機能し、しばしばアーティストが最も緊急とみなす問題の側面を埋めるものであることを強調している。
私たちの研究はBERTopicベースの方法論と、将来の研究のためのマルチモーダルベースラインを提供しています。
関連論文リスト
- ArtistAuditor: Auditing Artist Style Pirate in Text-to-Image Generation Models [61.55816738318699]
本稿では,テキスト・画像生成モデルにおける新しいデータ利用監査手法を提案する。
ArtistAuditorは、多彩なスタイルの表現を得るためにスタイル抽出器を使用し、アートワークをアーティストのスタイルのサンプリングとして扱う。
6つのモデルとデータセットの組み合わせによる実験結果は、ArtistAuditorが高いAUC値を達成可能であることを示している。
論文 参考訳（メタデータ） (2025-04-17T16:15:38Z) - Context-aware Multimodal AI Reveals Hidden Pathways in Five Centuries of Art Evolution [1.8435193934665342]
最先端の生成AI、特に安定拡散を使って、500年の西洋絵画を分析します。
以上の結果から,形式的要素よりも芸術的期間,様式,個人芸術家の文脈的情報の違いが明らかとなった。
我々の生成実験は、将来的な文脈を歴史的美術品に浸透させ、美術品の進化軌道を再現することに成功している。
論文 参考訳（メタデータ） (2025-03-15T10:45:04Z) - Diffusion-Based Visual Art Creation: A Survey and New Perspectives [51.522935314070416]
本調査は,拡散に基づく視覚芸術創造の新たな領域を探求し,その発展を芸術的,技術的両面から検討する。
本研究は,芸術的要件が技術的課題にどのように変換されるかを明らかにし,視覚芸術創造における拡散法の設計と応用を強調した。
我々は、AIシステムが芸術的知覚と創造性において人間の能力をエミュレートし、潜在的に増強するメカニズムに光を当てることを目指している。
論文 参考訳（メタデータ） (2024-08-22T04:49:50Z) - CreativeSynth: Cross-Art-Attention for Artistic Image Synthesis with Multimodal Diffusion [73.08710648258985]
レイアウト、視点、形状、意味といった重要な絵の属性は、しばしばスタイル転送によって伝達され、表現されない。
大規模な事前訓練された画像生成モデルは、大量の高品質な画像を合成できることを実証している。
我々の主要なアイデアは、スタイルを現実の世界に移すのではなく、多モーダルな意味情報を合成ガイドとしてアートに組み込むことである。
論文 参考訳（メタデータ） (2024-01-25T10:42:09Z) - Artificial Intelligence and Aesthetic Judgment [29.71278672770529]
生成AIは人間の表現様式で創造的なアウトプットを生成する。
我々は、現代の生成型AIモデルの出力に遭遇することは、同じ種類の美的判断によって媒介されると主張している。
論文 参考訳（メタデータ） (2023-08-21T17:40:54Z) - ArtGPT-4: Towards Artistic-understanding Large Vision-Language Models with Enhanced Adapter [19.830089364830066]
ArtGPT-4は、芸術的理解における既存のモデルの限界に対処するために設計された大きな視覚言語モデルである。
芸術的理解で画像を描画し、それらが刺激する感情を伝え、人間の解釈を反映する。
論文 参考訳（メタデータ） (2023-05-12T14:04:30Z) - ERNIE-Music: Text-to-Waveform Music Generation with Diffusion Models [67.66825818489406]
本稿では拡散モデルの利用を基盤としたテキストから波形への音楽生成モデルを提案する。
本手法は,波形生成プロセスの指針となる条件因子として,自由形式のテキストプロンプトの革新的導入を前提としている。
波形領域における我々の生成した音楽は、多様性、品質、およびテキスト音楽の関連性において、以前の作品よりも大きなマージンで優れていたことを実証する。
論文 参考訳（メタデータ） (2023-02-09T06:27:09Z) - Language Does More Than Describe: On The Lack Of Figurative Speech in
Text-To-Image Models [63.545146807810305]
テキスト・ツー・イメージ拡散モデルでは、テキスト入力プロンプトから高品質な画像を生成することができる。
これらのモデルは、コンテンツベースのラベル付けプロトコルから収集されたテキストデータを用いて訓練されている。
本研究では,現在使用されているテキスト・画像拡散モデルのトレーニングに使用されている公開テキストデータの感情性,目的性,抽象化の程度を特徴付ける。
論文 参考訳（メタデータ） (2022-10-19T14:20:05Z) - Pathway to Future Symbiotic Creativity [76.20798455931603]
そこで本研究では, 5クラス階層の創造システムを分類し, 擬人アーティストから機械アーティストへの創造の道筋を示す。
芸術創造においては、機械は欲求、感謝、感情を含む人間の精神状態を理解する必要があるが、機械の創造的能力と限界も理解する必要がある。
我々は、人間互換のAIシステムが「ループ内人間」の原理に基づいているべきだという哲学を取り入れた、未来のマシンアーティストを構築するための新しいフレームワークを提案する。
論文 参考訳（メタデータ） (2022-08-18T15:12:02Z) - A Taxonomy of Prompt Modifiers for Text-To-Image Generation [6.903929927172919]
本稿では,3ヶ月のエスノグラフィー研究に基づいて,オンラインコミュニティの実践者が使用する6種類のプロンプト修飾剤を同定する。
プロンプト修飾子の新たな分類法は、テキスト・ツー・イメージ・ジェネレーションの実践を研究するための概念的な出発点となる。
本稿では,人間-コンピュータインタラクション分野における新しい創造的実践の機会について論じる。
論文 参考訳（メタデータ） (2022-04-20T06:15:50Z) - Quantifying Confounding Bias in Generative Art: A Case Study [3.198144010381572]
本研究では,美術作品の学習スタイルにおける芸術運動の影響のモデル化が欠如していることから,難解なバイアスを定量化するための簡易な指標を提案する。
提案手法は,芸術作品における芸術運動の影響を理解する上で,最先端の外れ値検出法よりも有効である。
論文 参考訳（メタデータ） (2021-02-23T21:59:30Z) - Biases in Generative Art -- A Causal Look from the Lens of Art History [3.198144010381572]
本稿では,アルゴリズム設計に関連する問題に対する不適切な問題定式化によって生じるAIパイプラインのバイアスについて検討する。
アート作成の過程をモデル化する上で,現在の手法が不足している点を強調し,様々なバイアスに寄与する。
論文 参考訳（メタデータ） (2020-10-26T00:49:09Z)
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。