Fugu-MT 論文翻訳(概要): AI-Generated Images for representing Individuals: Navigating the Thin Line Between Care and Bias

論文の概要: AI-Generated Images for representing Individuals: Navigating the Thin Line Between Care and Bias

arxiv url: http://arxiv.org/abs/2509.03071v1
Date: Wed, 03 Sep 2025 07:08:52 GMT
ステータス: 翻訳完了
システム内更新日: 2025-09-04 21:40:46.443556
Title: AI-Generated Images for representing Individuals: Navigating the Thin Line Between Care and Bias
Title（参考訳）: 個人を表現するためのAI生成画像:ケアとバイアスの間の細い線をナビゲート
Authors: Julia C. Ahrend, Björn Döge, Tom M Duscher, Dario Rodighiero,
Abstract要約: Kiel Science Communication Network (KielSCN) チームは、対話型データグラフィックスとAI生成画像を組み合わせることで、より広範なオーディエンスへの取り組みを試みた。本稿では、情報設計がデータ内に個人を比喩的に表す表現を組み込んだ場合の聴衆からの反応を反映して、プロジェクトの決定と結果について考察する。
参考スコア（独自算出の注目度）: 0.0
License: http://creativecommons.org/licenses/by/4.0/
Abstract: This research discusses the figurative tensions that arise when using portraits to represent individuals behind a dataset. In the broader effort to communicate European data related to depression, the Kiel Science Communication Network (KielSCN) team attempted to engage a wider audience by combining interactive data graphics with AI-generated images of people. This article examines the project's decisions and results, reflecting on the reaction from the audience when information design incorporates figurative representations of individuals within the data.
Abstract（参考訳）: 本研究は,データセットの背景にある個人を表現するために肖像画を使用する際に生じる比喩的緊張について論じる。うつに関するヨーロッパのデータを伝えるために、Kiel Science Communication Network(KielSCN)チームは、インタラクティブなデータグラフィックスとAI生成イメージを組み合わせることで、より広範なオーディエンスへの関与を試みた。本稿では、情報設計がデータ内に個人を比喩的に表す表現を組み込んだ場合の聴衆からの反応を反映して、プロジェクトの決定と結果について考察する。

関連論文リスト

Reimagining Personal Data: Unlocking the Potential of AI-Generated Images in Personal Data Meaning-Making [7.8651914932018405]
画像生成AIは、個人データを代替の視覚形式に変換する新しい機会を提供する。本稿では、個人データへの有意義なエンゲージメントを促進するためのAI生成画像の可能性について説明する。
論文参考訳（メタデータ） (2025-02-26T05:50:57Z)
Personalized Representation from Personalized Generation [36.848215621708235]
我々は、パーソナライズされた合成データを用いてパーソナライズされた表現を学習するという課題を定式化する。提案手法は,多様な下流タスクに対するパーソナライズされた表現学習を改善する。
論文参考訳（メタデータ） (2024-12-20T18:59:03Z)
Stellar: Systematic Evaluation of Human-Centric Personalized Text-to-Image Methods [52.806258774051216]
我々は,個々のイメージを入力し,生成プロセスの基盤となるテキストと,所望の視覚的コンテキストを記述したテキストに焦点をあてる。我々は,既存の関連するデータセットよりも桁違いの大きさの個人画像と,リッチなセマンティックな接地真実アノテーションが容易に利用できるパーソナライズされたプロンプトを含む標準化データセット(Stellar)を紹介した。被験者ごとにテストタイムの微調整を必要とせず,新しいSoTAを定量的かつ人為的に設定した,シンプルで効率的でパーソナライズされたテキスト・ツー・イメージのベースラインを導出する。
論文参考訳（メタデータ） (2023-12-11T04:47:39Z)
Visual Analytics for Efficient Image Exploration and User-Guided Image Captioning [35.47078178526536]
事前訓練された大規模言語画像モデルの最近の進歩は、視覚的理解の新しい時代を後押ししている。本稿では,視覚分析の領域でよく知られた2つの問題に取り組み,(1)大規模画像データセットの効率的な探索と潜在的なデータバイアスの同定,(2)画像キャプションの評価と生成過程のステアリングを行う。
論文参考訳（メタデータ） (2023-11-02T06:21:35Z)
ArtWhisperer: A Dataset for Characterizing Human-AI Interactions in Artistic Creations [26.4215586218117]
本研究は,対象画像の生成にテキスト・ツー・イメージ・モデルをどのように利用するかを検討する。私たちはArtWhispererを作った。これはユーザーがターゲットイメージを与えられたオンラインゲームで、ターゲットに類似した画像を生成するプロンプトを反復的に見つける。我々は5万以上の人間とAIのインタラクションを記録し、各インタラクションはユーザによって生成された1つのテキストプロンプトと、それに対応する生成された画像に対応する。
論文参考訳（メタデータ） (2023-06-13T21:10:45Z)
Uncurated Image-Text Datasets: Shedding Light on Demographic Bias [21.421722941901123]
MSCOCOのような小さいが手動で注釈付けされたデータセットでさえ、社会的バイアスの影響を受けている。最初のコントリビューションは、ビジョンと言語モデルのトレーニングに広く使用されている、Google Conceptual Captionsデータセットの一部に注釈を付けることです。第2の貢献は、アノテーションの包括的な分析を行うことであり、どのように異なる人口集団が表現されるかに焦点を当てている。第3の貢献は3つの一般的な視覚・言語タスクを評価することであり、社会的バイアスはそれらすべてにおいて永続的な問題であることを示している。
論文参考訳（メタデータ） (2023-04-06T02:33:51Z)
There is a Time and Place for Reasoning Beyond the Image [63.96498435923328]
画像は人間の目へのピクセルだけでなく、他のソースからのコンテキスト情報から推論、関連付け、推論して、推論することで、より完全な画像を確立することができる。我々は、ニューヨーク・タイムズ(NYT)から自動的に抽出された16k画像と関連するニュース、時間、位置のデータセットTARAと、WITから離れた監視対象として追加で61k例を紹介した。我々は、最先端のジョイントモデルと人間のパフォーマンスの間に70%のギャップがあることを示し、これは、セグメントワイズ推論を用いて高レベルな視覚言語ジョイントモデルを動機づける提案モデルによってわずかに満たされている。
論文参考訳（メタデータ） (2022-03-01T21:52:08Z)
Deep Co-Attention Network for Multi-View Subspace Learning [73.3450258002607]
マルチビューサブスペース学習のための深層コアテンションネットワークを提案する。共通情報と相補情報の両方を敵意で抽出することを目的としている。特に、新しいクロス再構成損失を使用し、ラベル情報を利用して潜在表現の構築を誘導する。
論文参考訳（メタデータ） (2021-02-15T18:46:44Z)
Proactive Pseudo-Intervention: Causally Informed Contrastive Learning For Interpretable Vision Models [103.64435911083432]
PPI(Proactive Pseudo-Intervention)と呼ばれる新しい対照的な学習戦略を提案する。 PPIは、因果関係のない画像の特徴を保護するために積極的に介入する。また,重要な画像画素を識別するための,因果的に通知された新たなサリエンスマッピングモジュールを考案し,モデル解釈の容易性を示す。
論文参考訳（メタデータ） (2020-12-06T20:30:26Z)
DRG: Dual Relation Graph for Human-Object Interaction Detection [65.50707710054141]
人-物間相互作用(HOI)検出の課題に対処する。既存の方法は、人間と物体の対の相互作用を独立に認識するか、複雑な外観に基づく共同推論を行う。本稿では,抽象的空間意味表現を活用して,各対象対を記述し,二重関係グラフを用いてシーンの文脈情報を集約する。
論文参考訳（メタデータ） (2020-08-26T17:59:40Z)
Understanding Adversarial Examples from the Mutual Influence of Images and Perturbations [83.60161052867534]
クリーンな画像と敵の摂動を遠ざけることで敵の例を分析し,その相互への影響を分析した。以上の結果から,画像と普遍摂動の関係に対する新たな視点が示唆された。我々は、オリジナルトレーニングデータを活用することなく、目標とするユニバーサルアタックの挑戦的なタスクを最初に達成した人物です。
論文参考訳（メタデータ） (2020-07-13T05:00:09Z)

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。