論文の概要: AI-Generated Figures in Academic Publishing: Policies, Tools, and Practical Guidelines

• arxiv url: http://arxiv.org/abs/2603.16159v1
• Date: Tue, 17 Mar 2026 06:25:21 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-03-18 17:42:07.128564
• Title: AI-Generated Figures in Academic Publishing: Policies, Tools, and Practical Guidelines
• Title（参考訳）: 学術出版におけるAI生成図 - ポリシー、ツール、実践的ガイドライン
• Authors: Davie Chen,
• Abstract要約: 本稿では,主要な雑誌・出版社のAI活用状況について調査する。 著者の帰属や視覚的誤報の可能性など,出版社が提起する重要な懸念を識別する。 本稿では,AIフィギュアジェネレーションツールを適応的で透明な方法で利用しようとする研究者のためのベストプラクティスガイドラインを提案する。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: The rapid advancement of generative AI has introduced a new class of tools capable of producing publication-quality scientific figures, graphical abstracts, and data visualizations. However, academic publishers have responded with inconsistent and often ambiguous policies regarding AI-generated imagery. This paper surveys the current stance of major journals and publishers -- including Nature, Science, Cell Press, Elsevier, and PLOS -- on the use of AI-generated figures. We identify key concerns raised by publishers, including reproducibility, authorship attribution, and potential for visual misinformation. Drawing on practical examples from tools such as SciDraw, an AI-powered platform designed specifically for scientific illustration, we propose a set of best-practice guidelines for researchers seeking to use AI figure-generation tools in a compliant and transparent manner. Our findings suggest that, with appropriate disclosure and quality control, AI-generated figures can meaningfully accelerate scientific communication without compromising integrity.
• Abstract（参考訳）: 生成AIの急速な進歩は、出版品質の科学的な数字、グラフィカルな抽象化、データ視覚化を生成できる新しい種類のツールを導入した。 しかし、学術出版社は、AI生成画像に関する不整合で曖昧なポリシーに答えている。 本稿では,Nature, Science, Cell Press, Elsevier, PLOSなどの主要な学術雑誌や出版社のAI生成データの利用状況について調査する。 我々は,再現性,著作者帰属性,視覚的誤報の可能性など,出版社が提起する重要な懸念を識別する。 科学的なイラストに特化して設計されたAIベースのプラットフォームであるSciDrawのようなツールの実践例に基づいて、AIフィギュアジェネレーションツールをコンプライアンスと透過的な方法で使用しようとする研究者のためのベストプラクティスガイドラインセットを提案する。 我々の研究結果は、適切な開示と品質管理によって、AIが生成した数字は、完全性を損なうことなく、科学的コミュニケーションを有意義に加速させることができることを示唆している。

関連論文リスト

• PaperBanana: Automating Academic Illustration for AI Scientists [58.120067704652314]
  PaperBananaは、出版可能な学術イラストの自動生成のためのエージェントフレームワークである。 最先端のVLMと画像生成モデルによって駆動されるPaperBananaは、参照を検索し、コンテンツとスタイルを計画し、画像をレンダリングし、自己批判を通じて反復的に洗練する特別エージェントを編成する。
  論文  参考訳（メタデータ） (2026-01-30T18:33:37Z)
• Towards AI-Supported Research: a Vision of the TIB AIssistant [6.36260975777314]
  我々は、領域に依存しない人間と機械の協調プラットフォームであるTIB AIsistantのビジョンを提示する。 提案手法の有効性と潜在的な影響を実証する早期プロトタイプのコンセプトフレームワーク,システムアーキテクチャ,実装について述べる。
  論文  参考訳（メタデータ） (2025-12-18T12:08:46Z)
• AI4X Roadmap: Artificial Intelligence for the advancement of scientific pursuit and its future directions [65.44445343399126]
  我々は、生物学、化学、気候科学、数学、材料科学、物理学、自動運転研究所、非伝統的コンピューティングにまたがるAI可能な科学を考察する。 多様な信頼性のあるデータの必要性、伝達可能な電子構造と原子間モデル、AIシステムがエンドツーエンドの科学合成に統合される。 ドメイン全体にわたって、大規模な基礎モデル、アクティブラーニング、自動運転車研究所が、予測と検証の間のループを閉じる方法について強調する。
  論文  参考訳（メタデータ） (2025-11-26T02:10:28Z)
• Understanding Student Acceptance, Trust, and Attitudes Toward AI-Generated Images for Educational Purposes [1.0878040851637998]
  本研究は,AI生成画像に対する学生の受容,信頼,肯定的な態度を教育課題として評価する。 その結果、使いやすさと潜在的学術的利益を重んじる学生の間では、高い受け入れ、信頼、肯定的な態度が示された。 これらの知見は、倫理的考察と知的財産問題に対処する包括的ガイドラインの策定の必要性を示唆している。
  論文  参考訳（メタデータ） (2024-11-24T04:39:48Z)
• Perceptions and Detection of AI Use in Manuscript Preparation for Academic Journals [1.881901067333374]
  大規模言語モデル(LLM)は、AIが学術的な文章にどのように影響するかを興奮と心配の両方を生み出している。 学術出版物の著者は、原稿の改訂に使用するAIツールを自発的に開示するかもしれない。 ジャーナルやカンファレンスは、開示を義務付けるか、あるいは検出サービスを使用するようにします。
  論文  参考訳（メタデータ） (2023-11-19T06:04:46Z)
• State of the Art on Diffusion Models for Visual Computing [191.6168813012954]
  本稿では,拡散モデルの基本数学的概念,実装の詳細,および一般的な安定拡散モデルの設計選択を紹介する。 また,拡散に基づく生成と編集に関する文献の急速な発展を概観する。 利用可能なデータセット、メトリクス、オープンな課題、社会的意味について議論する。
  論文  参考訳（メタデータ） (2023-10-11T05:32:29Z)
• AI-Generated Images as Data Source: The Dawn of Synthetic Era [61.879821573066216]
  生成AIは、現実世界の写真によく似た合成画像を作成する可能性を解き放った。 本稿では、これらのAI生成画像を新しいデータソースとして活用するという革新的な概念を探求する。 実際のデータとは対照的に、AI生成データには、未整合のアブリダンスやスケーラビリティなど、大きなメリットがある。
  論文  参考訳（メタデータ） (2023-10-03T06:55:19Z)
• Measuring Ethics in AI with AI: A Methodology and Dataset Construction [1.6861004263551447]
  我々は、AI技術のこのような新しい機能を使用して、AI測定能力を増強することを提案する。 我々は倫理的問題や関心事に関連する出版物を分類するモデルを訓練する。 私たちは、AIメトリクス、特に信頼できる公正なAIベースのツールや技術開発への彼らの貢献の意味を強調します。
  論文  参考訳（メタデータ） (2021-07-26T00:26:12Z)
• Self-Supervised Learning for Visual Summary Identification in Scientific Publications [21.26121265868308]
  要約に基づいて、出版物の視覚的な要約として機能する数字を選択するための新しいベンチマークデータセットを作成します。 図形キャプション付き図形へのインライン参照のマッチングに基づいて,自己教師付き学習手法を開発する。 生物医学およびコンピュータ科学の分野の実験は私達のモデルが芸術の状態を上回ることができることを示します。
  論文  参考訳（メタデータ） (2020-12-21T09:48:58Z)

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。