論文の概要: Investigating Social Bias in Narrative Image Generation

• arxiv url: http://arxiv.org/abs/2608.01780v1
• Date: Mon, 03 Aug 2026 06:56:26 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-08-04 15:07:25.363039
• Title: Investigating Social Bias in Narrative Image Generation
• Title（参考訳）: ナラティブ画像生成における社会的バイアスの検討
• Abstract要約: 6つのテキスト・ツー・イメージ(T2I)モデルにおいて,写真,ストーリーボード,漫画生成のバイアス表現を比較した。 その結果、プロプライエタリなモデルでは、平均で25.9%のバイアスアウトプットが生成され、ストーリーボード生成では9.6pp、コミック生成では18.2ppのバイアスアウトプットが増加することがわかった。 これらの結果は、写真生成において見えにくいバイアスが、物語的な視覚形式に表れることを示している。
• 参考スコア（独自算出の注目度）: 16.9170988145075
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Text-to-image (T2I) generation models are increasingly embedded in applications such as media content creation and education, raising concerns about how their outputs may reproduce social biases. Prior work has shown that T2I models exhibit social biases, yet existing evaluations largely focus on a photo generation task. As a result, it remains unclear whether and how such biases manifest in more narrative visual formats, such as storyboards and comics, where characters and events are presented across multiple panels. In this work, we compare bias expression across photo, storyboard, and comic generation in six T2I models by adapting BBG, a text-based bias evaluation framework, to image generation. Our results show that proprietary models generate 25.9% biased outputs in photo generation on average, with biased outputs increasing by 9.6pp in storyboard generation and 18.2pp in comic generation. We also find that photos mainly encode biases through subtle visual cues, while storyboards and comics reveal them more explicitly through event sequencing, character positioning, narrative resolution, and textual elements. These findings show that biases that remain less visible in photo generation may surface in narrative visual formats, highlighting the importance of evaluating T2I systems with diverse visual formats beyond photo generation.
• Abstract（参考訳）: テキスト・ツー・イメージ(T2I)生成モデルは、メディアコンテンツ作成や教育といったアプリケーションにますます組み込まれており、そのアウトプットが社会的偏見をいかに再現するかについての懸念が高まっている。 以前の研究によると、T2Iモデルは社会的バイアスを示すが、既存の評価は主に写真生成タスクに焦点を当てている。 その結果、ストーリーボードや漫画など、複数のパネルにまたがってキャラクターやイベントが提示されるような、より物語的な視覚形式でそのようなバイアスがどのように現れるかは、まだ不明である。 本研究では、テキストベースのバイアス評価フレームワークであるBBGを画像生成に適用することにより、6つのT2Iモデルにおける写真、ストーリーボード、コミック生成におけるバイアス表現を比較する。 その結果、プロプライエタリなモデルでは、平均で25.9%のバイアスアウトプットが生成され、ストーリーボード生成では9.6pp、コミック生成では18.2ppのバイアスアウトプットが増加することがわかった。 また、写真は主に微妙な視覚的手がかりを通してバイアスをエンコードしているのに対し、ストーリーボードやコミックはイベントシークエンシング、キャラクターの位置決め、物語の解像度、テキスト要素を通してより明確にそれらを明らかにする。 これらの結果から、写真生成において見えにくいバイアスが物語的視覚形式に表れる可能性を示し、写真生成を超えて多様な視覚形式を持つT2Iシステムを評価することの重要性を強調した。

関連論文リスト

• Hidden Bias in the Machine: Stereotypes in Text-to-Image Models [0.0]
  テキスト・トゥ・イメージ(T2I)モデルは視覚的コンテンツ生成を変革し、自然言語のプロンプトから非常にリアルな画像を生成する。 我々は、職業、特徴、行動、イデオロギー、感情、家族の役割、場所の記述、精神性、ライフイベントなど、テーマのカテゴリにまたがる様々なプロンプトをキュレートした。 160のトピックそれぞれに対して、さまざまな意味や視点を反映した複数のプロンプトのバリエーションを作成しました。 本分析では, 性別, 人種, 年齢, 体型, その他の人中心的要因の表現に, 生成画像間で有意差が認められた。
  論文  参考訳（メタデータ） (2025-06-09T23:06:04Z)
• GradBias: Unveiling Word Influence on Bias in Text-to-Image Generative Models [75.04426753720553]
  開集合におけるバイアスを特定し,定量化し,説明するための枠組みを提案する。 このパイプラインはLarge Language Model (LLM)を活用して、一連のキャプションから始まるバイアスを提案する。 このフレームワークには、OpenBiasとGradBiasの2つのバリエーションがあります。
  論文  参考訳（メタデータ） (2024-08-29T16:51:07Z)
• Gender Bias Evaluation in Text-to-image Generation: A Survey [25.702257177921048]
  テキスト・ツー・イメージ・ジェネレーションにおけるジェンダーバイアス評価に関する最近の研究についてレビューする。 安定拡散やDALL-E 2といった最近の人気モデルの評価に焦点をあてる。
  論文  参考訳（メタデータ） (2024-08-21T06:01:23Z)
• The Male CEO and the Female Assistant: Evaluation and Mitigation of Gender Biases in Text-To-Image Generation of Dual Subjects [58.27353205269664]
  本稿では,Paired Stereotype Test (PST) フレームワークを提案する。 PSTクエリT2Iモデルは、男性ステレオタイプと女性ステレオタイプに割り当てられた2つの個人を描写する。 PSTを用いて、ジェンダーバイアスの2つの側面、つまり、ジェンダーの職業におけるよく知られたバイアスと、組織力におけるバイアスという新しい側面を評価する。
  論文  参考訳（メタデータ） (2024-02-16T21:32:27Z)
• New Job, New Gender? Measuring the Social Bias in Image Generation Models [85.26441602999014]
  画像生成モデルは、社会的ステレオタイプとバイアスを永続するコンテンツを生成できる。 画像生成モデルにおける社会的バイアスを的確に、かつ、かつ、包括的に引き起こすことのできるフレームワークであるBiasPainterを提案する。 BiasPainterは、自動バイアス検出において90.8%の精度を達成することができる。
  論文  参考訳（メタデータ） (2024-01-01T14:06:55Z)
• T2IAT: Measuring Valence and Stereotypical Biases in Text-to-Image Generation [11.109588924016254]
  本稿では,概念とイメージ間の暗黙的なステレオタイプを定量化する新しいテキスト・ツー・イメージ・アソシエーション・テスト(T2IAT)フレームワークを提案する。 我々は、前述した生成モデルに対するバイアステストを再現し、花や昆虫に対する道徳的に中立なテストを含む。 これらの実験の結果は、画像生成における複雑なステレオタイプ的挙動の存在を実証している。
  論文  参考訳（メタデータ） (2023-06-01T17:02:51Z)
• Social Biases through the Text-to-Image Generation Lens [9.137275391251517]
  テキスト・トゥ・イメージ(T2I)生成は、プロダクティビティソフトウェアのクリエーター、デザイナ、一般ユーザをサポートする新しいアプリケーションを可能にする。 生成した画像に反映された一般的な社会的偏見の研究と定量化に多次元的アプローチを採用する。 DALLE-v2とStable Diffusionの2つのT2Iモデルについて検討した。
  論文  参考訳（メタデータ） (2023-03-30T05:29:13Z)
• Discovering and Mitigating Visual Biases through Keyword Explanation [66.71792624377069]
  視覚バイアスをキーワードとして解釈するBias-to-Text(B2T)フレームワークを提案する。 B2Tは、CelebAの性別バイアス、ウォーターバードの背景バイアス、ImageNet-R/Cの分布シフトなど、既知のバイアスを特定することができる。 B2Tは、Dollar StreetやImageNetのような大きなデータセットで、新しいバイアスを明らかにする。
  論文  参考訳（メタデータ） (2023-01-26T13:58:46Z)
• On Advances in Text Generation from Images Beyond Captioning: A Case Study in Self-Rationalization [89.94078728495423]
  近年のモダリティ,CLIP画像表現,言語モデルの拡張は,マルチモーダル入力によるタスクのマルチモーダル自己調整を一貫して改善していないことを示す。 画像キャプションを超えて画像やテキストからテキストを生成するために構築可能なバックボーンモデリング手法が提案されている。
  論文  参考訳（メタデータ） (2022-05-24T00:52:40Z)
• DALL-Eval: Probing the Reasoning Skills and Social Biases of Text-to-Image Generation Models [73.12069620086311]
  テキスト・ツー・イメージ・モデルの視覚的推論能力と社会的バイアスについて検討する。 まず,物体認識,物体カウント,空間的関係理解という3つの視覚的推論スキルを計測する。 第2に、生成した画像の性別/肌の色調分布を測定することにより、性別と肌のトーンバイアスを評価する。
  論文  参考訳（メタデータ） (2022-02-08T18:36:52Z)

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。