論文の概要: The Racial Character of Computer Graphics Research

• arxiv url: http://arxiv.org/abs/2605.14835v1
• Date: Thu, 14 May 2026 13:42:20 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-05-15 21:45:34.849832
• Title: The Racial Character of Computer Graphics Research
• Title（参考訳）: コンピュータグラフィックス研究のラシアル・キャラクタリゼーション
• Authors: Theodore Kim, Alexa Schor, Julian Posada, Alka V. Menon,
• Abstract要約: 本稿では,ヒトの描写の体系的レビューを,トップコンピュータグラフィックス会議と記録誌に紹介する。 分析の結果,白肌のアルゴリズムを「オール」皮膚の計算基板として扱うという概念的二項化が明らかになった。 髪型アルゴリズムも同様の歴史的パターンに従っており、2020年にジョージ・フロイドが殺害された後に初めてコンピュータ生成されたタイプ4の髪型が登場した。
• 参考スコア（独自算出の注目度）: 1.633272850273525
• License: http://creativecommons.org/licenses/by-nc-nd/4.0/
• Abstract: Computer graphics algorithms for generating photorealistic imagery are widely perceived to be universal, and capable of conjuring anything that a filmmaker or game designer can imagine. However, recent works have suggested that 3D algorithms for depicting synthetic humans are far from generic, and instead favor historically hegemonic characteristics. We present the first systematic review of human depiction in the top computer graphics conference and the journal of record (SIGGRAPH and ACM Transactions on Graphics) that confirms previous hypotheses. Algorithms that claim to be generically rendering "human skin'' are in fact imagined and formulated for translucent, "high albedo" materials such as white skin. Algorithms claiming to apply generically to "human hair" are formulated for "rods", "wires" and "threads" which are analogous to straight hair. Our analysis reveals conceptual binarization, where algorithms for white skin are treated as computational substrate for "all" skin, imposing a hierarchical assumption that all skin descends from the math and physics of white skin. Hair algorithms follow a similar historical pattern, with the first examples of computer-generated Type 4 hair only appearing after the murder of George Floyd in 2020. We offer a new conceptual label, McDaniels Methods, for characterizing and critiquing computer graphics algorithms that reinforce racial hierarchy under a false cover of diversity. We also offer an inverse label, Durald Methods, for algorithms that were closely co-designed with the people being depicted. Our analysis points the way towards several neglected avenues for future research.
• Abstract（参考訳）: フォトリアリスティック画像を生成するためのコンピュータグラフィックスアルゴリズムは、普遍的であり、映画製作者やゲームデザイナーが想像できるあらゆるものを共役することができると広く認識されている。 しかし、近年の研究では、合成ヒトを描くための3Dアルゴリズムは一般的なものではなく、歴史的ヘゲモニックな特徴を好んでいることが示唆されている。 本稿では,コンピュータグラフィックス会議における人間の描写に関する最初の体系的なレビューと,過去の仮説を裏付ける学術誌(SIGGRAPH, ACM Transactions on Graphics)を紹介する。 人間の肌」を総称的にレンダリングしていると主張するアルゴリズムは、実際には、白い肌のような半透明な「高いアルベド」物質について想像され、定式化されている。「人間の髪」に総称的に適用すると主張するアルゴリズムは、「ロッド」、「ワイヤー」、「スレッド」など、真っ直ぐな髪に類似する「ロッド」、「ワイヤ」、「スレッド」に定式化されている。この分析は、白肌のアルゴリズムが「すべて」の皮膚の計算基板として扱われる概念的双対化を明らかにし、すべての皮膚が白い肌の数学や物理学から派生しているという階層的な仮定を示唆している。 髪型アルゴリズムも同様の歴史的パターンに従っており、2020年にジョージ・フロイドが殺害された後に初めてコンピュータ生成されたタイプ4の髪型が登場した。 新しい概念ラベルであるMcDaniels Methodsを提供し、多様性の偽被覆の下で階層構造を補強するコンピュータグラフィックスアルゴリズムを特徴付ける。 また、描写されている人々と密接に協調して設計されたアルゴリズムに、Durald Methodsという逆ラベルも提供しています。 我々の分析は、将来の研究のために無視されたいくつかの道への道を指している。

関連論文リスト

• When Algorithms Play Favorites: Lookism in the Generation and Perception of Faces [6.399763005153405]
  本稿では, 合成顔と機械学習に基づく性別分類アルゴリズムが, アルゴリズム的ルックリズムの影響について検討する。 テキスト・トゥ・イメージ(T2I)システムは、顔の魅力と、知性や信頼性といった無関係なポジティブな特徴を関連付ける傾向がある。 性別分類モデルは、特に非白人女性の間で「魅力のない」顔により高いエラー率を示す。
  論文  参考訳（メタデータ） (2025-05-20T10:21:51Z)
• Explaining Deep Face Algorithms through Visualization: A Survey [57.60696799018538]
  本研究は、顔領域における説明可能性アルゴリズムの第一種メタ分析を行う。 既存のフェース説明可能性について概観し、フェースネットワークの構造と階層に関する貴重な知見を明らかにする。
  論文  参考訳（メタデータ） (2023-09-26T07:16:39Z)
• A Novel Explainable Artificial Intelligence Model in Image Classification problem [0.0]
  本稿では,これらのアルゴリズムの利点を組み合わせたSeCAM(Activation Class Mapping)という新しい手法を提案する。 我々は、このアルゴリズムを、画像Net Large Scale Visual Recognition Challenge (ILSVRC)データセットのResNet50、Inception-v3、VGG16など様々なモデルでテストした。
  論文  参考訳（メタデータ） (2023-07-09T09:33:05Z)
• Find Someone Who: Visual Commonsense Understanding in Human-Centric Grounding [87.39245901710079]
  我々は,新しいコモンセンスタスク,Human-centric Commonsense Groundingを提案する。 モデルが個人を接地する能力をテストする。 本研究では,従来の事前学習モデルや非事前学習モデルよりも優れたコンテキストオブジェクト認識手法を強いベースラインとして設定した。
  論文  参考訳（メタデータ） (2022-12-14T01:37:16Z)
• Text2Human: Text-Driven Controllable Human Image Generation [98.34326708923284]
  既存の生成モデルは、しばしば衣服の形やテクスチャの多様性の高さの下で不足する。 テキスト駆動制御可能なフレームワークであるText2Humanを,高品質で多種多様なヒューマン世代向けに提案する。
  論文  参考訳（メタデータ） (2022-05-31T17:57:06Z)
• Meta Balanced Network for Fair Face Recognition [51.813457201437195]
  我々は、データとアルゴリズムの両方の側面からバイアスを体系的に科学的に研究する。 本稿では,メタバランスネットワーク(MBN)と呼ばれるメタ学習アルゴリズムを提案する。 大規模な実験により、MBNは偏見を緩和し、顔認識において異なる肌のトーンを持つ人々に対してよりバランスの取れたパフォーマンスを学ぶことができた。
  論文  参考訳（メタデータ） (2022-05-13T10:25:44Z)
• Advances in Neural Rendering [115.05042097988768]
  本稿では,古典的レンダリングと学習された3Dシーン表現を組み合わせた手法について述べる。 これらの手法の重要な利点は、これらが3D一貫性を持ち、キャプチャされたシーンの新たな視点のようなアプリケーションを可能にすることである。 静的なシーンを扱う方法に加えて、非厳密な変形オブジェクトをモデル化するためのニューラルシーン表現についても取り上げる。
  論文  参考訳（メタデータ） (2021-11-10T18:57:01Z)
• Beyond Algorithmic Bias: A Socio-Computational Interrogation of the Google Search by Image Algorithm [0.799536002595393]
  アルゴリズムを、すべての年齢と4種以上の人種の40万以上の顔で提示することで、監査する。 このアルゴリズムは、しばしば、女性および非白人個人を単純化し、ステレオタイピングし、識別する、白人男性の家長構造を再現する。
  論文  参考訳（メタデータ） (2021-05-26T21:40:43Z)
• Neural Re-Rendering of Humans from a Single Image [80.53438609047896]
  本稿では,新しいユーザ定義のポーズと視点の下での人間のニューラルリレンダリング手法を提案する。 私たちのアルゴリズムは、単一の画像から再構築できるパラメトリックメッシュとして体ポーズと形状を表します。
  論文  参考訳（メタデータ） (2021-01-11T18:53:47Z)
• High Resolution Zero-Shot Domain Adaptation of Synthetically Rendered Face Images [10.03187850132035]
  本稿では,非フォトリアリスティックな合成画像と事前学習したStyleGAN2モデルの潜在ベクトルとをマッチングするアルゴリズムを提案する。 これまでのほとんどの研究とは対照的に、私たちは合成トレーニングデータを必要としない。 このアルゴリズムは、1Kの解像度で作業する最初のアルゴリズムであり、視覚リアリズムにおける大きな飛躍を表している。
  論文  参考訳（メタデータ） (2020-06-26T15:00:04Z)

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。