論文の概要: From Celebrities to Anyone: Characterizing AI Nudification Content, Technology, and Community Dynamics on 4chan

• arxiv url: http://arxiv.org/abs/2606.27234v1
• Date: Thu, 25 Jun 2026 16:21:38 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-06-26 18:46:32.355446
• Title: From Celebrities to Anyone: Characterizing AI Nudification Content, Technology, and Community Dynamics on 4chan
• Title（参考訳）: セレブから誰にでも:4chan上のAI核化コンテンツ、技術、およびコミュニティダイナミクスを特徴づける
• Abstract要約: 野生におけるAIヌードの大規模研究を行い,24,105個のSNEACI項目を同定した。 非有名人は現在55.8%の目標を達成しているが、以前の研究では4.7%に過ぎなかった。 オープンソースモデルはプロダクションを支配し、安定拡散ファミリーは42.7%、ワンは66.5%の動画を生成している。
• 参考スコア（独自算出の注目度）: 5.216303866647301
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: AI nudification uses generative models to create synthetic non-consensual sexually explicit imagery (SNEACI) of real individuals. Prior work has examined dedicated nudification platforms and model repositories, finding that most targets are female celebrities. However, the anonymous content community, where SNEACI is actively requested, generated, and exchanged, remains unexplored. In this work, we present a large-scale study of AI nudification in the wild, identifying 24,105 SNEACI items. We find a significant shift in target demographics: non-celebrity individuals now account for 55.8\% of targets, compared to only 4.7\% in prior studies, indicating that AI nudification has expanded from targeting public figures to increasingly harming individuals within users' own social circles. Meanwhile, open-source models dominate production, with Stable Diffusion family generating 42.7\% of images and Wan generating 66.5\% of videos, all driven by thousands of shared fine-tuned models and accessible tutorials. Yet the ecosystem runs on a small cohort of active producers, with the most prolific producing 780 items, drives community engagement, shapes target demographics, and disseminates technical knowledge that lowers barriers for new producers. Our work provides an empirical understanding of how AI nudification operates in the wild, revealing the mechanisms that sustain this ecosystem and highlighting the urgent need for interventions in platform governance, technical safeguards, and affected individual protection.
• Abstract（参考訳）: AIヌード化は、生成モデルを使用して、実際の個人の合成非合意性性的明示的イメージ(SNEACI)を作成する。 以前の研究では、専用ヌードプラットフォームとモデルリポジトリを調べ、ほとんどのターゲットが女性セレブであることを発見した。 しかし、SNEACIが積極的に要求され、生成され、交換される匿名コンテンツコミュニティは、まだ探索されていない。 本研究では,24,105個のSNEACI項目を同定し,野生におけるAIヌードの大規模研究について述べる。 非セレブの個人が目標の55.8%を占め、以前の研究ではわずか4.7%だったのに対し、AIのヌード化は公的な人物を対象とするものから、ユーザー自身の社会サークル内の個人をますます傷つけるものへと拡大したことを示している。 一方、オープンソースモデルはプロダクションを支配しており、安定ディフュージョンファミリーは42.7%のイメージを生成し、ワンは66.5%の動画を生成し、これらは何千もの微調整されたモデルとアクセス可能なチュートリアルによって駆動されている。 しかし、このエコシステムは、活発な生産者の小さなコホートで運営されており、最も多産な780のアイテムを生産し、コミュニティのエンゲージメントを促進し、ターゲットの人口層を形作り、新しい生産者の障壁を低くする技術知識を広めている。 私たちの研究は、AIのヌード化が野生でどのように機能するかを実証的に理解し、このエコシステムを維持するメカニズムを明らかにし、プラットフォームガバナンスや技術的保護、影響のある個人の保護に対する緊急の介入の必要性を強調します。

関連論文リスト

• Interpretable Debiasing of Vision-Language Models for Social Fairness [55.85977929985967]
  本稿では,視覚・言語モデルに社会的属性ニューロンを局在させる,解釈可能なモデルに依存しないバイアス緩和フレームワークDeBiasLensを紹介する。 社会属性ラベルを含まない顔画像やキャプションデータセットでSAEを訓練し、特定の人口動態に高い応答性を持つニューロンを明らかにする。 我々の研究は、未来の監査ツールの基礎を築き、新興の現実世界のAIシステムにおける社会的公正性を優先します。
  論文  参考訳（メタデータ） (2026-02-27T13:37:11Z)
• Modeling Distinct Human Interaction in Web Agents [59.600507469754575]
  我々は、協調的なWebタスク実行を支援するために、人間の介入をモデル化するタスクを紹介する。 エージェントとのユーザインタラクションの4つのパターンを特定します。 我々は、これらの介入認識モデルをライブWebナビゲーションエージェントにデプロイし、ユーザスタディで評価し、ユーザ評価エージェントの有用性が26.5%向上した。
  論文  参考訳（メタデータ） (2026-02-19T18:11:28Z)
• "Unlimited Realm of Exploration and Experimentation": Methods and Motivations of AI-Generated Sexual Content Creators [15.938938006206058]
  AI生成性コンテンツ(AIG-SC)は、個々のAI開発者、特殊なサードパーティアプリケーション、ファンデーションモデルプロバイダのエコシステムによって、ますます有効になっている。 AIG-SCは、ポルノとわいせつの境界線に関する古い議論から、公正使用と労働移動に関する新たな議論まで、多くの懸念を提起している。 AIG-SCの流行にもかかわらず、制作者、モチベーション、制作するコンテンツのタイプについてはほとんど知られていない。
  論文  参考訳（メタデータ） (2026-01-28T20:43:25Z)
• Video Deepfake Abuse: How Company Choices Predictably Shape Misuse Patterns [19.641521488247996]
  我々は、少数のオープンウェイトなAIビデオ生成モデルが、ビデオリアリスティックAIG-NCIIビデオ生成の主要なツールとなっているかを分析する。 有能なビデオ生成モデルの重みをオープンにリリースした開発者は、下流の害を軽減できると結論付けている。
  論文  参考訳（メタデータ） (2025-11-26T18:59:43Z)
• T2IBias: Uncovering Societal Bias Encoded in the Latent Space of Text-to-Image Generative Models [5.565960549039278]
  テキスト・ツー・イメージ(T2I)生成モデルは、AIによる実世界のアプリケーションや価値創造に主に使用されている。 我々は、最先端T2Iモデルの事前訓練された潜在空間において、社会的バイアスが体系的に符号化されているかどうかを検討する。
  論文  参考訳（メタデータ） (2025-11-13T08:43:02Z)
• The Ethics of Generative AI in Anonymous Spaces: A Case Study of 4chan's /pol/ Board [9.661099745882236]
  私たちは2024年4月から7月にかけて4chanの/pol/ (Politally Uncorrect)ボードから900枚の画像を集め、66個のユニークなAI生成画像を特定しました。 この分析により、この技術を用いた場合のパターンが明らかになり、69.7%の画像が認識可能な人物を含む。 我々は、ユーザーが生成AIを武器にして過激なコンテンツ、政治的コメント、ミームを作成する方法について文書化している。
  論文  参考訳（メタデータ） (2025-06-17T05:14:16Z)
• Perpetuating Misogyny with Generative AI: How Model Personalization Normalizes Gendered Harm [0.8103046443444949]
  オープンソースのテキスト・トゥ・イメージ(TTI)パイプラインは、AI生成されたビジュアルコンテンツのランドスケープにおいて支配的になっている。 本研究では,オープンソースTTIモデルを共有・開発するための最もアクティブなプラットフォームであるCitvitAIの探索的社会技術分析について述べる。 我々は、安全でない仕事用コンテンツ(NSFW)の急増と、実際の個人を模倣することを目的としたかなりの数のモデルを見出した。
  論文  参考訳（メタデータ） (2025-05-07T17:43:52Z)
• Semi-Truths: A Large-Scale Dataset of AI-Augmented Images for Evaluating Robustness of AI-Generated Image detectors [62.63467652611788]
  実画像27,600枚、223,400枚、AI拡張画像1,472,700枚を含むSEMI-TRUTHSを紹介する。 それぞれの画像には、検出器のロバスト性の標準化と目標評価のためのメタデータが添付されている。 以上の結果から,現状の検出器は摂動の種類や程度,データ分布,拡張方法に様々な感度を示すことが示唆された。
  論文  参考訳（メタデータ） (2024-11-12T01:17:27Z)
• Learning Human Action Recognition Representations Without Real Humans [66.61527869763819]
  そこで本研究では,仮想人間を含む合成データを用いて,実世界の映像を活用してモデルを事前学習するベンチマークを提案する。 次に、このデータに基づいて学習した表現を、下流行動認識ベンチマークの様々なセットに転送可能であるかを評価する。 私たちのアプローチは、以前のベースラインを最大5%上回ります。
  論文  参考訳（メタデータ） (2023-11-10T18:38:14Z)
• BAGM: A Backdoor Attack for Manipulating Text-to-Image Generative Models [54.19289900203071]
  テキストから画像への生成人工知能の普及は、大衆の関心を集めている。 ユーザを微妙に操作するコンテンツを生成するために,この技術を攻撃できることを実証する。 テキストから画像生成モデル(BAGM)に対するバックドアアタックを提案する。 我々の攻撃は、生成過程の3段階にわたる3つの一般的なテキスト・画像生成モデルをターゲットにした最初の攻撃である。
  論文  参考訳（メタデータ） (2023-07-31T08:34:24Z)
• DeepfakeArt Challenge: A Benchmark Dataset for Generative AI Art Forgery and Data Poisoning Detection [57.51313366337142]
  悪意ある目的のために生成的AIを使用することについて懸念が高まっている。 生成AIを用いた視覚コンテンツ合成の領域では、画像偽造とデータ中毒が重要な関心事となっている。 DeepfakeArt Challenge(ディープフェイクアートチャレンジ)は、AIアートのジェネレーションとデータ中毒検出のための機械学習アルゴリズムの構築を支援するために設計された、大規模なチャレンジベンチマークデータセットである。
  論文  参考訳（メタデータ） (2023-06-02T05:11:27Z)
• Data Forensics in Diffusion Models: A Systematic Analysis of Membership Privacy [62.16582309504159]
  本研究では,拡散モデルに対するメンバシップ推論攻撃の系統的解析を開発し,各攻撃シナリオに適した新しい攻撃手法を提案する。 提案手法は容易に入手可能な量を利用して,現実的なシナリオにおいてほぼ完全な攻撃性能 (>0.9 AUCROC) を達成することができる。
  論文  参考訳（メタデータ） (2023-02-15T17:37:49Z)

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。