論文の概要: Dynamics of collective creativity in AI art competitions

• arxiv url: http://arxiv.org/abs/2605.17141v1
• Date: Sat, 16 May 2026 20:16:31 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-05-19 17:57:47.703629
• Title: Dynamics of collective creativity in AI art competitions
• Title（参考訳）: AIアートコンペティションにおける集団創造性のダイナミクス
• Authors: Mason Youngblood, Jeff Nusz, Joel Simon,
• Abstract要約: Artbreederは毎日の"リミックスパーティー"を開催し、ユーザーは1つのシードイメージから互いの作品を反復的に構築する。 我々は13ヶ月で368のリミックスパーティーから130,882枚の画像のデータセットを分析し、画像がよりシンプルになり、一般的なテーマの「トラクター」へと収束することを発見した。 また、より斬新な「親」画像はより斬新で複雑な「子供」を惹きつけるのに対し、ユーザーはパラドックス的に、より斬新で複雑な画像のリミックスを好む。
• 参考スコア（独自算出の注目度）: 0.746464933382582
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Creativity is a fundamental aspect of how culture evolves, yet the mechanisms by which groups produce novelty are notoriously difficult to infer from the historical record. Iterated learning experiments have shown that cultural transmission reliably distorts artifacts toward the inductive biases of learners, but most of this work uses linear chains between human participants, leaving open how these dynamics play out in the networked, human-AI systems that increasingly shape cultural production. In this study, we leverage one such system, Artbreeder, which hosts daily "remix parties" where users iteratively build on each other's work from a single seed image, producing branching lineages of human-AI co-created images. We analyze a dataset of 130,882 images from 368 remix parties over 13 months and find that images become simpler and converge toward common thematic "attractors" (e.g., steampunk scenes, alien architecture). We also find that while more novel "parent" images produce more novel and complex "children" that attract more likes, users paradoxically prefer to remix images that are less novel and complex. Finally, larger remix parties produce more novelty at the cost of lower complexity.
• Abstract（参考訳）: 創造性は文化の進化の基本的な側面であるが、集団が新奇性を創造するメカニズムは歴史的記録から推測することが難しいことで知られている。 反復学習実験では、文化的な伝達が学習者の帰納的バイアスに対してアーティファクトを確実に歪めていることが示されているが、この研究の大部分は、人同士の線形連鎖を利用しており、これらのダイナミクスが、文化的な生産をますます形作るネットワーク化された人間-AIシステムでどのように機能するかをオープンにしている。 本研究では,1つのシステムであるArtbreederを利用して,1つのシード画像から各ユーザの作品を反復的に構築し,人間とAIの共生画像の分岐系を生成する。 我々は13ヶ月で368のリミックスパーティーから130,882枚の画像のデータセットを分析し、画像がよりシンプルになり、一般的なテーマの「トラクター」(例:スチームパンクシーン、エイリアン建築)へと収束することを発見した。 また、より斬新な「親」画像はより斬新で複雑な「子供」を惹きつけるのに対し、ユーザーはパラドックス的に、より斬新で複雑な画像のリミックスを好む。 最後に、より大きなリミックスパーティは、複雑さを減らしてより新しいものを生み出します。

関連論文リスト

• HumanOrbit: 3D Human Reconstruction as 360° Orbit Generation [12.149185872317398]
  本稿では,一人の入力画像から人物を囲む360度ビデオを生成する方法を提案する。 マルチビュー画像生成のためのビデオ拡散モデルであるHumanOrbitを提案する。
  論文  参考訳（メタデータ） (2026-02-27T16:27:52Z)
• Generative AI for Film Creation: A Survey of Recent Advances [9.778792224015275]
  Generative AI(GenAI)は、アーティストにテキスト・ツー・イメージや画像・ビデオ拡散、ニューラル・ラディアンス・フィールド、アバター生成、そして3D合成などのツールを提供する。 本稿では,近年のAI駆動映画から,これらの技術が映画製作に採用されていることを明らかにする。 3D生成の利用の増加や、実際の映像とAI生成要素の統合といった、新たなトレンドを強調します。
  論文  参考訳（メタデータ） (2025-04-11T06:54:29Z)
• GAS: Generative Avatar Synthesis from a Single Image [54.95198111659466]
  本研究では,1枚の画像から一対一かつ時間的にコヒーレントなアバターを合成する枠組みを提案する。 提案手法は, 回帰に基づく3次元再構成と拡散モデルの生成能力を組み合わせたものである。
  論文  参考訳（メタデータ） (2025-02-10T19:00:39Z)
• Expertise elevates AI usage: experimental evidence comparing laypeople and professional artists [1.5296069874080693]
  生成AIを用いて芸術家と一般人の芸術的能力を比較する。 平均して、アーティストは彼らの通常の作品よりも忠実でクリエイティブなアウトプットを生み出した。 AIはコンテンツ作成を楽にするかもしれないが、専門家の専門知識は依然として価値がある。
  論文  参考訳（メタデータ） (2025-01-21T18:53:21Z)
• Artworks Reimagined: Exploring Human-AI Co-Creation through Body Prompting [3.7907687118593323]
  本稿では,公共施設における画像生成のための入力モダリティとしてのボディプロンプトについて検討する。 このコンセプトをインタラクティブなアートインスタレーションであるArtworks Reimaginedに実装し、ボディプロンプトを通じて既存のアートを変換します。 ビジターのサンプルを半構造化したインタビュー(N = 79)では,ボディプロンプトが良好に受容され,インスタレーションのビジターにとって魅力的な,楽しい体験が得られた。
  論文  参考訳（メタデータ） (2024-08-10T08:05:59Z)
• An Image is Worth More Than 16x16 Patches: Exploring Transformers on Individual Pixels [65.64402188506644]
  バニラ変換器は個々のピクセルをトークンとして扱い、高性能な結果を得られる。 3つのよく研究されたコンピュータビジョンタスクにおける画素・アズ・トークンの有効性を示す。
  論文  参考訳（メタデータ） (2024-06-13T17:59:58Z)
• No Longer Trending on Artstation: Prompt Analysis of Generative AI Art [7.64671395172401]
  私たちは300万以上のプロンプトとそれらが生成する画像を収集し、分析します。 本研究は, 表面美学, 文化規範の強化, 一般的な表現, イメージに重点を置いていることを示す。
  論文  参考訳（メタデータ） (2024-01-24T08:03:13Z)
• Novel View Synthesis of Humans using Differentiable Rendering [50.57718384229912]
  我々は新しいポーズで人々の新しい視点を合成するための新しいアプローチを提案する。 我々の合成はヒトの骨格構造を表す拡散ガウス原始体を用いる。 これらのプリミティブをレンダリングすると、高次元の潜像が得られ、デコーダネットワークによってRGBイメージに変換される。
  論文  参考訳（メタデータ） (2023-03-28T10:48:33Z)
• Procedural Image Programs for Representation Learning [62.557911005179946]
  我々は,2万プログラムからなる大規模なデータセットを用いて,多様な合成画像を生成する訓練を提案する。 これらのプログラムは短いコードスニペットであり、変更が容易で、高速に実行することができる。 提案したデータセットは、教師付きおよび教師なしの表現学習の両方に使用することができ、実際の画像と手続き的に生成された画像との事前学習のギャップを38%削減する。
  論文  参考訳（メタデータ） (2022-11-29T17:34:22Z)
• Counterfactual Generative Networks [59.080843365828756]
  画像生成過程を直接監督せずに訓練する独立した因果機構に分解することを提案する。 適切な誘導バイアスを活用することによって、これらのメカニズムは物体の形状、物体の質感、背景を解き放つ。 その結果, 偽画像は, 元の分類タスクにおける性能の低下を伴い, 分散性が向上することが示された。
  論文  参考訳（メタデータ） (2021-01-15T10:23:12Z)

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。