論文の概要: Beauty is in the AI of the beholder: MLLMs systematically overrate facial attractiveness

• arxiv url: http://arxiv.org/abs/2609.02512v1
• Date: Wed, 02 Sep 2026 12:16:22 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-09-03 17:53:18.329665
• Title: Beauty is in the AI of the beholder: MLLMs systematically overrate facial attractiveness
• Title（参考訳）: 美は利害関係者のAIにある:MLLMは、顔の魅力を体系的に過大評価する
• Abstract要約: 我々は2,513人の参加者の魅力評価を、Claude、Gemini、GPT、Grokの4つの広く使われている商用AIモデルと比較した。 その結果,MLLMは,ヒトよりも比較的狭い範囲で,体系的に評価された。 MLLMは人間の魅力判断と強い相関を示し、顔のランク付けを正確に追跡する。
• 参考スコア（独自算出の注目度）: 1.0083936071571096
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Beauty assessments from Multimodal Large Language Models (MLLMs) are increasingly popular amongst users, companies, and aestheticians. This raises the question of whether these AI models can accurately reflect human judgments of attractiveness. In a pre- registered exploratory study, we compared the attractiveness ratings of 2,513 human participants to four widely used commercial AI models: Claude, Gemini, GPT, and Grok. Results showed that MLLMs systematically rate faces more favourably and within a narrower range than humans and, at the time of study, do not reproduce human ratings in absolute terms. However, MLLMs exhibit strong correlations with human attractiveness judgments, accurately tracking the rank-ordering of faces. MLLMs may judge faces by different cues than humans; only face age was a predictor of facial attractiveness in both humans and MLLMs, with inconsistent patterns across models for ethnicity and gender. AI models strongly agree with one another, except for Grok, which also showed the lowest agreement with humans. Our findings suggest that while they may be able to approximate rank-orderings of human attractiveness, current off-the-shelf commercial MLLMs systematically overrate the beauty of human faces.
• Abstract（参考訳）: MLLM(Multimodal Large Language Models)による美容評価は、ユーザー、企業、美容家の間で人気が高まっている。 このことは、これらのAIモデルが人間の魅力の判断を正確に反映できるかどうかという疑問を提起する。 登録済みの探索調査では、2,513人の参加者の魅力評価を、Claude、Gemini、GPT、Grokの4つの広く使われている商用AIモデルと比較した。 その結果、MLLMは人間よりも体系的に、より狭い範囲で評価され、研究の時点では、絶対的な条件でヒトのレーティングを再現しないことが明らかとなった。 しかし、MLLMは人間の魅力判断と強い相関を示し、顔のランク付けを正確に追跡する。 MLLMは、顔の年齢だけが人間とMLLMの両方の顔の魅力の予測であり、民族や性別のモデルに矛盾するパターンがある。 AIモデルは、人間との最低の合意を示したGrokを除いて、互いに強く一致している。 以上の結果から,現在市販のMLLMは人間の顔の美しさを体系的に過大評価している可能性が示唆された。

関連論文リスト

• Multimodal Large Language Models as Synthetic Participants in Video-Based Studies: An Evaluation [11.282431394902241]
  MLLM(Multimodal large language model)は,映像理解や推論などの目的タスクにおいて高い性能を示す。 本研究は,MLLMを映像による知覚的エンゲージメント(知覚的エンゲージメント)の評価という,新たな課題の参加者として評価する。 MLLMをリードする人たちでさえ、人間の参加者との合意が限られていることがわかりました。
  論文  参考訳（メタデータ） (2026-05-01T05:55:45Z)
• Demographic Fairness in Multimodal LLMs: A Benchmark of Gender and Ethnicity Bias in Face Verification [39.17203445317177]
  顔認証システムとしてMLLM(Multimodal Large Language Models)が検討されている。 6つのモデルファミリーから9つのオープンソースMLLMを評価するベンチマーク研究を提案する。 以上の結果から,顔特定モデルであるFaceLLM-8Bは,両ベンチマークの汎用MLLMよりも有意に優れていた。
  論文  参考訳（メタデータ） (2026-03-26T16:30:00Z)
• Artificial Hivemind: The Open-Ended Homogeneity of Language Models (and Beyond) [90.45301024940329]
  言語モデル(LM)は、多様で人間らしい創造的コンテンツを生成するのに苦労することが多い。 Infinity-Chatは26万の多様な実世界のオープンエンドユーザクエリからなる大規模データセットである。 本研究では, LMのモード崩壊について大規模に検討し, 人工Hivemind効果が明らかとなった。
  論文  参考訳（メタデータ） (2025-10-27T03:16:21Z)
• Empirically evaluating commonsense intelligence in large language models with large-scale human judgments [4.212429064310439]
  本稿では,人工知能における常識評価手法を提案する。 モデルの判断と人口の対応を計測する。 私たちのフレームワークは、異なる、しばしば互換性のない、知識の社会的備蓄を持つ人間の集合体にAIモデルを適用することの要求に寄与します。
  論文  参考訳（メタデータ） (2025-05-15T13:55:27Z)
• Beauty and the Bias: Exploring the Impact of Attractiveness on Multimodal Large Language Models [51.590283139444814]
  物理的魅力は人間の知覚と意思決定に影響を与えることが示されている。 マルチモーダル大言語モデル(MLLM)による評価と意思決定において魅力が果たす役割は、不明である。 我々は、91の社会的関連シナリオと924の顔画像の多様なデータセットで評価された7つのオープンソースMLLMを用いて実証的研究を行った。
  論文  参考訳（メタデータ） (2025-04-16T16:02:55Z)
• Human Cognitive Benchmarks Reveal Foundational Visual Gaps in MLLMs [65.93003087656754]
  VisFactorは、よく確立された認知心理学評価から20の視覚中心のサブテストをデジタル化するベンチマークである。 GPT、Gemini、Claude、LLaMA、Qwen、SEEDファミリーから20のフロンティアマルチモーダル言語モデル(MLLM)を評価する。 最高のパフォーマンスモデルは100点中25.19点のスコアしか得られず、精神的な回転、空間的関係推論、図形の識別といったタスクに一貫して失敗する。
  論文  参考訳（メタデータ） (2025-02-23T04:21:32Z)
• Do Multimodal Large Language Models See Like Humans? [50.938168841711445]
  MLLM(Multimodal Large Language Models)は、様々なビジョンタスクにおいて、近年の大規模言語モデルの進歩を活用して、印象的な成果を上げている。 現在のベンチマークでは、この観点からMLLMを評価する能力がない。 MLLMと人間の視覚システムとの整合性を評価するための大規模ベンチマークであるHVSBenchを紹介する。
  論文  参考訳（メタデータ） (2024-12-12T18:59:25Z)
• AesBench: An Expert Benchmark for Multimodal Large Language Models on Image Aesthetics Perception [64.25808552299905]
  AesBenchはMLLMの審美的知覚能力の総合評価を目的とした専門家ベンチマークである。 本稿では,プロの審美専門家が提供した多彩な画像内容と高品質なアノテーションを特徴とするEAPD(Expert-labeled Aesthetics Perception Database)を構築した。 本稿では,知覚(AesP),共感(AesE),評価(AesA),解釈(AesI)の4つの視点からMLLMの審美的知覚能力を測定するための統合的基準を提案する。
  論文  参考訳（メタデータ） (2024-01-16T10:58:07Z)
• Are Commercial Face Detection Models as Biased as Academic Models? [64.71318433419636]
  我々は学術的および商業的な顔検出システムを比較し、特にノイズに対する堅牢性について検討する。 現状の学術的顔検出モデルでは、ノイズの頑健性に人口格差があることがわかった。 私たちは、商用モデルは、常に学術モデルと同じくらいの偏り、あるいはより偏りがある、と結論付けます。
  論文  参考訳（メタデータ） (2022-01-25T02:21:42Z)

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。