論文の概要: Attribution-by-design: Ensuring Inference-Time Provenance in Generative Music Systems

• arxiv url: http://arxiv.org/abs/2510.08062v1
• Date: Thu, 09 Oct 2025 10:49:44 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-10-10 17:54:15.022884
• Title: Attribution-by-design: Ensuring Inference-Time Provenance in Generative Music Systems
• Title（参考訳）: アトリビューション・バイ・デザイン:ジェネレーティブ・ミュージック・システムにおける推論時間確率の保証
• Authors: Fabio Morreale, Wiebke Hutiri, Joan Serrà, Alice Xiang, Yuki Mitsufuji,
• Abstract要約: 本稿では,直接帰属,透過的なロイヤリティ分布,アーティストや権利者に対するきめ細かい制御を中心にした生成的音楽基盤の枠組みを提案する。 著者のカタログを用いて生成した出力を条件付ける場合、直接的かつ検証可能な補償を可能にするため、推論時属性が好ましい。
• 参考スコア（独自算出の注目度）: 38.10594174828015
• License: http://creativecommons.org/licenses/by-nc-nd/4.0/
• Abstract: The rise of AI-generated music is diluting royalty pools and revealing structural flaws in existing remuneration frameworks, challenging the well-established artist compensation systems in the music industry. Existing compensation solutions, such as piecemeal licensing agreements, lack scalability and technical rigour, while current data attribution mechanisms provide only uncertain estimates and are rarely implemented in practice. This paper introduces a framework for a generative music infrastructure centred on direct attribution, transparent royalty distribution, and granular control for artists and rights' holders. We distinguish ontologically between the training set and the inference set, which allows us to propose two complementary forms of attribution: training-time attribution and inference-time attribution. We here favour inference-time attribution, as it enables direct, verifiable compensation whenever an artist's catalogue is used to condition a generated output. Besides, users benefit from the ability to condition generations on specific songs and receive transparent information about attribution and permitted usage. Our approach offers an ethical and practical solution to the pressing need for robust compensation mechanisms in the era of AI-generated music, ensuring that provenance and fairness are embedded at the core of generative systems.
• Abstract（参考訳）: AIが生成する音楽の台頭はロイヤリティプールを希薄化させ、既存の報酬フレームワークの構造上の欠陥を明らかにし、音楽業界で確立されたアーティスト報酬システムに挑戦している。 現在のデータ帰属機構は不確実な見積しか提供せず、実際に実装されることはめったにない。 本稿では, 直接帰属, 透過的なロイヤリティ分布, アーティストや権利者に対するきめ細かい制御を中心にした生成的音楽基盤の枠組みを提案する。 我々は,学習時間属性と推論時間属性という2つの相補的な帰属形式を提案できる,トレーニングセットと推論セットとを区別する。 ここでは、アーティストのカタログを使用して生成された出力を条件付ける際に、直接的かつ検証可能な補償を可能にするため、推論時属性が好ましい。 さらに、ユーザーは特定の曲に世代を指定し、属性や使用許可に関する透明な情報を受信する能力から恩恵を受けることができる。 我々のアプローチは、AI生成音楽の時代において、堅牢な補償メカニズムの必要性を迫る倫理的かつ実践的な解決策を提供し、生成システムの中核に証明と公正が組み込まれていることを保証します。

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)
• 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)
• Consistent End-to-End Estimation for Counterfactual Fairness [56.9060492313073]
  本稿では, 対実フェアネスの予測を行うための新しい対実フェアネス予測器を提案する。 我々は,本手法が対実公正性の概念を確実にするのに有効であることを理論的に保証する。
  論文  参考訳（メタデータ） (2023-10-26T17:58:39Z)
• Causal Fairness for Outcome Control [68.12191782657437]
  本稿では,自動システムにおいて,公平かつ公平な結果変数を最適化することを目的とした,結果制御と呼ばれる特定の意思決定タスクについて検討する。 本稿では、まず因果レンズを通して利益の概念を分析し、特定の個人が肯定的な決定によってどれだけの利益を得られるかを明らかにする。 次に、保護された属性の影響を受けている可能性があることに留意し、これを分析するために使用できる因果的ツールを提案する。
  論文  参考訳（メタデータ） (2023-06-08T09:31:18Z)
• Mechanisms that Incentivize Data Sharing in Federated Learning [90.74337749137432]
  我々は、データ共有の利点が完全に損なわれているような、ナイーブなスキームが破滅的なフリーライディングのレベルにどのように結びつくかを示す。 次に,各エージェントが生成するデータ量を最大化する精度形成機構を導入する。
  論文  参考訳（メタデータ） (2022-07-10T22:36:52Z)
• Incentivizing Exploration in Linear Bandits under Information Gap [50.220743323750035]
  線形バンディットにおけるミオピックユーザに対するインセンティブ探索の問題点について検討した。 長期報酬を最大化するために、システムは、ユーザに探索的な腕を引くインセンティブを与えるための補償を提供する。
  論文  参考訳（メタデータ） (2021-04-08T16:01:56Z)

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。