論文の概要: Gender Artifacts from Art History to Text-to-Image Generation

• arxiv url: http://arxiv.org/abs/2606.05829v1
• Date: Thu, 04 Jun 2026 08:08:00 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-06-05 22:39:44.635066
• Title: Gender Artifacts from Art History to Text-to-Image Generation
• Title（参考訳）: 美術史からテキスト・ツー・イメージ・ジェネレーションへのジェンダーアーティファクト
• Authors: Piera Riccio, Miriam Doh, Benedikt Höltgen, Noa Garcia, Nanne van Noord,
• Abstract要約: 歴史的画像と生成画像の両方において、性別表現とスタイルの相互作用を調査するための最初のデータセットを紹介する。 StyleGenderは、19の芸術様式にまたがる74Kの画像で構成されている。
• 参考スコア（独自算出の注目度）: 21.292335963237257
• License: http://creativecommons.org/licenses/by-nc-sa/4.0/
• Abstract: Artistic styles are rooted in specific socio-historical contexts that encode social hierarchies, including distinct constructions of gender. Yet in AI research, style has long been treated as a surface-level visual property: a filter of color, brushstroke, and texture applied to otherwise content-neutral scenes. We introduce the first dataset to investigate the interplay between gender representation and style in both historical and generated images. StyleGender comprises 74k images spanning 19 artistic styles, comprising art historical images with style and gender annotations, T2I-generated images under controlled style and gender prompts, and a semantically aligned set enabling direct art history-to-generation comparison. By proposing two Set Gender Artifact (SGA) metrics (PixelSGA and MaskSGA), capturing gender signals at the pixel level and in compositional structure, we show that (1) gender representation shapes visual features across artistic styles, (2) style keywords carry these patterns into T2I generation, and (3) generative models tend to amplify gender artifacts beyond what is observed in historical sources.
• Abstract（参考訳）: 芸術様式は、性別の構成を含む社会的階層を符号化する特定の社会史的文脈に根ざしている。 しかし、AI研究において、スタイルは長い間表面レベルの視覚特性として扱われてきた。 歴史的画像と生成画像の両方において、性別表現とスタイルの相互作用を調査するための最初のデータセットを紹介する。 StyleGenderは、19の芸術様式にまたがる74kの画像で構成され、スタイルとジェンダーアノテーションを備えた美術史画像、制御されたスタイルとジェンダープロンプトによるT2I生成画像、そして直接美術史と世代間比較を可能にする意味的に整合したセットで構成されている。 2つのセット・ジェンダー・アーティファクト(SGA)メトリクス(PixelSGAとMaskSGA)を提案し,(1)ジェンダー・シグナルを画素レベルと構成構造で捉えることにより,(1)ジェンダー・表現が芸術的スタイルにまたがる視覚的特徴を表現し,(2)スタイル・キーワードがこれらのパターンをT2I世代に伝達し,(3)生成モデルは歴史的に観察されるものを超えてジェンダー・アーティファクトを増幅する傾向があることを示す。

関連論文リスト

• One-shot Embroidery Customization via Contrastive LoRA Modulation [20.463441212598273]
  本稿では,単一参照画像で微細なスタイルとコンテンツ特徴を分離する,新しいコントラスト学習フレームワークを提案する。 細粒度スタイル転送の手法を評価するため,刺青カスタマイズのためのベンチマークを構築した。
  論文  参考訳（メタデータ） (2025-09-23T12:58:15Z)
• Free-Lunch Color-Texture Disentanglement for Stylized Image Generation [62.215875006311876]
  本稿では,タイマライズされたT2I生成において,フリーランチなカラーテクスチャ・ディコンタングルを実現するための,最初のチューニング自由アプローチを提案する。 Our Style Attributes Disentanglement approach (SADis)は、より正確でカスタマイズ可能な、スタイリングされた画像生成ソリューションを提供する。 WikiArtとStyleDropのデータセットの画像に対する実験は、SADisがDisIGタスクの最先端化方法を上回ることを実証している。
  論文  参考訳（メタデータ） (2025-03-18T14:10:43Z)
• Learning Artistic Signatures: Symmetry Discovery and Style Transfer [8.288443063900825]
  芸術様式の明確な定義はない。 スタイルは、局所的なテクスチャの配置を規定するグローバルな対称性のセットと考えるべきである。 局所的特徴とグローバル的特徴の両方を考慮し、リージェネレータと従来のテクスチャ尺度の両方を用いて、どちらの特徴セットよりもアーティスト間のスタイル的類似性を定量的に捉えることができることを示す。
  論文  参考訳（メタデータ） (2024-12-05T18:56:23Z)
• StyleBrush: Style Extraction and Transfer from a Single Image [19.652575295703485]
  ビジュアルコンテンツのスティル化は、オリジナルの構造的特徴を保ちながら、ピクセルレベルで特定のスタイルパターンを追加することを目的としている。 本稿では,参照画像からスタイルを正確にキャプチャし,抽出したスタイルを他の入力ビジュアルコンテンツにブラシするStyleBrushを提案する。
  論文  参考訳（メタデータ） (2024-08-18T14:27:20Z)
• Rethinking Artistic Copyright Infringements in the Era of Text-to-Image Generative Models [47.19481598385283]
  ArtSavantは、ウィキアートの作品の参照データセットと比較することで、アーティストのユニークなスタイルを決定するツールである。 そこで我々は,3つの人気テキスト・画像生成モデルにまたがる芸術的スタイルの複製の頻度を定量的に把握するために,大規模な実証的研究を行った。
  論文  参考訳（メタデータ） (2024-04-11T17:59:43Z)
• StyleForge: Enhancing Text-to-Image Synthesis for Any Artistic Styles with Dual Binding [7.291687946822539]
  多様な芸術様式にまたがるパーソナライズされたテキスト・ツー・イメージ合成のための新しいアプローチであるSingle-StyleForgeを紹介した。 また、複数のトークンを部分的なスタイル属性に結合することで、画像の品質とテキストアライメントを向上させるMulti-StyleForgeを提案する。
  論文  参考訳（メタデータ） (2024-04-08T07:43:23Z)
• Inversion-Based Style Transfer with Diffusion Models [78.93863016223858]
  以前の任意の例として誘導された芸術的画像生成法は、しばしば形状変化の制御や要素の伝達に失敗する。 画像のキー情報を効率よく正確に学習できるインバージョンベースのスタイル転送手法(InST)を提案する。
  論文  参考訳（メタデータ） (2022-11-23T18:44:25Z)
• T-Person-GAN: Text-to-Person Image Generation with Identity-Consistency and Manifold Mix-Up [16.165889084870116]
  テキストのみに条件付けされた高解像度の人物画像を生成するためのエンドツーエンドアプローチを提案する。 2つの新しいメカニズムで人物画像を生成するための効果的な生成モデルを開発する。
  論文  参考訳（メタデータ） (2022-08-18T07:41:02Z)
• Geometric Style Transfer [74.58782301514053]
  幾何学的スタイルの伝達をサポートするニューラルアーキテクチャを導入する。 新しいアーキテクチャはテクスチャスタイルを転送するネットワークに先立って実行される。 ユーザーはコンテント/スタイルのペアを一般的なように入力したり、コンテント/テクスチャスタイル/幾何学スタイルのトリプルを入力できる。
  論文  参考訳（メタデータ） (2020-07-10T16:33:23Z)

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。