論文の概要: The Digital Mirror: Gender Bias and Occupational Stereotypes in AI-Generated Images

• arxiv url: http://arxiv.org/abs/2510.08628v1
• Date: Wed, 08 Oct 2025 12:49:18 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-10-14 00:38:47.217576
• Title: The Digital Mirror: Gender Bias and Occupational Stereotypes in AI-Generated Images
• Title（参考訳）: デジタルミラー:AI生成画像におけるジェンダーバイアスと職業ステレオタイプ
• Authors: Siiri Leppälampi, Sonja M. Hyrynsalmi, Erno Vanhala,
• Abstract要約: 本研究では,AI生成画像における表現バイアスを作業環境で検証する。 DALL-E 3とIdeogramの2つの画像生成ツールを比較した。 本研究では,視覚性のある画像を生成する際の表現力を高めるために,実践者,個人,研究者に提案する。
• 参考スコア（独自算出の注目度）: 2.198430261120653
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Generative AI offers vast opportunities for creating visualisations, such as graphics, videos, and images. However, recent studies around AI-generated visualisations have primarily focused on the creation process and image quality, overlooking representational biases. This study addresses this gap by testing representation biases in AI-generated pictures in an occupational setting and evaluating how two AI image generator tools, DALL-E 3 and Ideogram, compare. Additionally, the study discusses topics such as ageing and emotions in AI-generated images. As AI image tools are becoming more widely used, addressing and mitigating harmful gender biases becomes essential to ensure diverse representation in media and professional settings. In this study, over 750 AI-generated images of occupations were prompted. The thematic analysis results revealed that both DALL-E 3 and Ideogram reinforce traditional gender stereotypes in AI-generated images, although to varying degrees. These findings emphasise that AI visualisation tools risk reinforcing narrow representations. In our discussion section, we propose suggestions for practitioners, individuals and researchers to increase representation when generating images with visible genders.
• Abstract（参考訳）: Generative AIは、グラフィック、ビデオ、画像などの視覚化を作成するための大きな機会を提供する。 しかし、AI生成の可視化に関する最近の研究は、主に表現バイアスを見越して、生成プロセスと画質に焦点を当てている。 本研究では、AI生成画像の表現バイアスを作業環境でテストし、2つのAI画像生成ツールであるDALL-E 3とIdeogramを比較した。 さらに、AI生成画像における年齢や感情などのトピックについても論じている。 AIイメージツールがより広く使われるようになるにつれて、メディアやプロの設定における多様な表現を保証するために、有害な性別バイアスへの対処と緩和が不可欠である。 本研究では, 750以上のAIによる職業画像が誘導された。 テーマ分析の結果,DALL-E 3とIdeogramはいずれもAI生成画像における従来のジェンダーステレオタイプを強化しているが,度合いは様々であった。 これらの知見は、AI視覚化ツールが狭い表現を補強するリスクを強調している。 本稿では,視覚性のある画像を生成する際の表現力を高めるために,実践者,個人,研究者に提案する。

関連論文リスト

• Using complex prompts to identify fine-grained biases in image generation through ChatGPT-4o [0.0]
  バイアスの2つの次元は、大きなAIモデルの研究を通して明らかにすることができる。 トレーニングデータやAIの製品に偏りがあるだけでなく、社会にも偏りがある。 画像生成AIに複雑なプロンプトを使ってバイアスのどちらの次元を調査できるかを簡単に議論する。
  論文  参考訳（メタデータ） (2025-04-01T03:17:35Z)
• Visual Verity in AI-Generated Imagery: Computational Metrics and Human-Centric Analysis [0.0]
  我々は,フォトリアリズム,画質,テキスト画像のアライメントを計測するVisual Verityというアンケートを導入,検証した。 また, 色調, 彩度, 明度において, カメラ生成画像が低い値を示した。 その結果,人間の視覚的知覚をよりよく捉えるために,計算メトリクスの精細化の必要性が浮き彫りになった。
  論文  参考訳（メタデータ） (2024-08-22T23:29:07Z)
• She Works, He Works: A Curious Exploration of Gender Bias in AI-Generated Imagery [0.0]
  本稿では, 建設作業員のAI画像における性別バイアスについて検討し, 男女の描写における相違点を明らかにする。 この分析は、グリセルダ・ポロックの視覚文化とジェンダーの理論に基づいており、AIモデルは女性の人物をより権威的で有能な人物として描写しながらセクシュアライズする傾向があることを示している。
  論文  参考訳（メタデータ） (2024-07-26T05:56:18Z)
• 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)
• Disability Representations: Finding Biases in Automatic Image Generation [0.0]
  本研究では、人気の画像生成モデルにおける障害者に対する表現バイアスについて検討する。 その結果、ほとんどの画像は、障害者を年老いて悲しく、主に手動車椅子で描いているという大きな偏見が示された。 これらの発見は、より包括的なAI開発の必要性を強調し、生成された画像におけるPWDの多様性と正確な表現を保証する。
  論文  参考訳（メタデータ） (2024-06-21T09:12:31Z)
• Invisible Relevance Bias: Text-Image Retrieval Models Prefer AI-Generated Images [67.18010640829682]
  我々は,AI生成画像がテキスト画像検索モデルに目に見えない関連性バイアスをもたらすことを示す。 検索モデルのトレーニングデータにAI生成画像を含めると、目に見えない関連性バイアスが増す。 本研究では,目に見えない関連バイアスを軽減するための効果的なトレーニング手法を提案する。
  論文  参考訳（メタデータ） (2023-11-23T16:22:58Z)
• 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。