論文の概要: Prompt Revision as a Source of Cultural Bias in Text-to-Image Systems

• arxiv url: http://arxiv.org/abs/2609.11532v1
• Date: Thu, 10 Sep 2026 13:32:40 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-09-11 23:53:35.371557
• Title: Prompt Revision as a Source of Cultural Bias in Text-to-Image Systems
• Title（参考訳）: テキスト・画像システムにおける文化バイアス源としてのプロンプトリビジョン
• Abstract要約: 商用のテキスト画像システムは、画像を生成する前にユーザーのプロンプトを静かに修正する。 WORLDVIEWは15言語にまたがる8,960のプロンプトと31の言語コンテキストペアリングのベンチマークである。 これを用いて3つのシステムでリビジョン層を監査し、それぞれの文化的文脈にどれほど重大であるかを3段階で分析する。
• 参考スコア（独自算出の注目度）: 36.41806145661922
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Commercial text-to-image systems silently revise user prompts before generating images, a step users typically cannot disable or even see. Yet, existing audits of cultural bias examine only the final images and treat generation as a single pipeline, so they cannot tell where the bias originates. We introduce WORLDVIEW, a multilingual benchmark of 8,960 prompts across 15 languages and 31 language-context pairings. Using it, we audit the revision layer in three systems (DALL-E-3, Imagen-4, GPT-Image-1.5) through a three-step analysis of how heavily it marks each cultural context, whether it flattens that context into a narrow vocabulary, and whether that vocabulary is stereotypical. Relative to a no-context English baseline, the US is the least-marked context, while non-Western and non-Anglophone contexts are marked far more heavily, flattened into narrow vocabularies applied across topically diverse prompts, and reduced to recognizable cultural stereotypes. Comparing images from original versus revised prompts on models without a revision layer, we identify the layer itself as a previously undocumented, causal source of this stereotyping. To locate cultural bias, and fix it, we must audit the system as deployed, not the model alone.
• Abstract（参考訳）: 商用のテキスト画像システムは、画像を生成する前にユーザーのプロンプトを静かに修正する。 しかし、既存の文化的偏見の監査では、最終的な画像のみを調べ、生成を単一のパイプラインとして扱うため、偏見の出所を特定できない。 WORLDVIEWは15言語にまたがる8,960のプロンプトと31の言語コンテキストペアリングの多言語ベンチマークである。 これを用いて,3つのシステム(DALL-E-3, Imagen-4, GPT-Image-1.5)のリビジョン層を,そのコンテキストを狭い語彙にフラット化するか,その語彙がステレオタイプか,という3段階の分析により評価する。 非英語のベースラインとは対照的に、アメリカは最小のマーク付き文脈であり、非西洋語と非英語の文脈は、はるかに重くマークされ、局所的に多様なプロンプトに適用された狭い語彙に平坦化され、認識可能な文化的ステレオタイプに還元される。 修正レイヤのないモデルにおいて、原画像と修正プロンプトの画像を比較した結果、このステレオタイピングのこれまで文書化されていなかった因果的情報源として層自体を同定した。 文化的バイアスを見つけ、それを修正するためには、モデルだけでなく、デプロイされたシステムを監査する必要があります。

関連論文リスト

• Generative Retrieval for Unsupervised Text-Based Person Search [77.46429603553388]
  テキストベースの人物検索(TBPS)は,ある自然言語記述に基づいて,大きな画像ギャラリーから対象者の画像を検索することを目的としている。 本稿では,2段階の世代別検索フレームワークであるGTR+を提案する。 また、高品質できめ細かいテキストアノテーションを備えた大規模TBPSデータセットであるLargeFine-Personにもコントリビュートしています。
  論文  参考訳（メタデータ） (2026-09-11T15:25:00Z)
• Said Aloud, Read Different: Cross-Modal Instability in Multimodal Models [17.521958873911846]
  我々は18のMENA諸国の文化的背景画像10,150点にまたがる音声強調コントラスト三重項ベンチマークを提案する。 モーダリティと言語シフトは,集合的精度で完全に捉えられない三重項レベルの不整合をもたらすことがわかった。
  論文  参考訳（メタデータ） (2026-08-27T13:46:49Z)
• Exposing Blindspots: Cultural Bias Evaluation in Generative Image Models [14.992895369883504]
  先行研究は、主にテキスト・トゥ・イメージ(T2I)システムにおける文化的偏見を調査してきた。 6カ国で統一的な評価でこのギャップを埋める。 クロスカントリー、クロスエラ、クロスカテゴリの評価を導出します。
  論文  参考訳（メタデータ） (2025-10-22T21:42:59Z)
• Culture-TRIP: Culturally-Aware Text-to-Image Generation with Iterative Prompt Refinement [2.089922606370409]
  反復的プロンプトリファインメント(Culture-TRIP)を用いた文化的テキスト・画像生成手法を提案する。 提案手法は, カルチャー名詞に関連する文化的文脈と視覚的詳細を抽出する。 一連の文化的基準と大きな言語モデルに基づいて、反復的にプロンプトを洗練・評価する。
  論文  参考訳（メタデータ） (2025-02-24T06:56:56Z)
• See It from My Perspective: How Language Affects Cultural Bias in Image Understanding [60.70852566256668]
  視覚言語モデル(VLM)は、多くの言語における画像に関するクエリに応答することができる。 画像理解におけるVLMの西洋的偏見を特徴付け,この格差の中で言語が果たす役割について検討する。
  論文  参考訳（メタデータ） (2024-06-17T15:49:51Z)
• An image speaks a thousand words, but can everyone listen? On image transcreation for cultural relevance [53.974497865647336]
  われわれは、画像の翻訳を文化的に意味のあるものにするための第一歩を踏み出した。 タスクを行うために、最先端の生成モデルからなる3つのパイプラインを構築します。 我々は,翻訳画像の人間による評価を行い,文化的意義と保存の意味を評価する。
  論文  参考訳（メタデータ） (2024-04-01T17:08:50Z)
• Revisiting the Role of Language Priors in Vision-Language Models [90.0317841097143]
  視覚言語モデル(VLM)は、微調整なしで、ゼロショット方式で様々な視覚的理解タスクに適用される。 我々は、画像から次の単語を生成するために訓練された$textitgenerative VLMs$について研究する。 画像テキスト検索の図解的タスクにおけるゼロショット性能を,8つの人気のある視覚言語ベンチマークで検証する。
  論文  参考訳（メタデータ） (2023-06-02T19:19:43Z)
• 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)
• Visually Grounded Reasoning across Languages and Cultures [27.31020761908739]
  我々は、より多くの言語や文化を表すImageNetスタイルの階層を構築するための新しいプロトコルを開発する。 我々は、インドネシア語、中国語、スワヒリ語、タミル語、トルコ語など、類型的に多様な言語群に焦点を当てている。 画像のペアについて,ネイティブ話者アノテータから文を抽出することにより,多言語による視覚・言語上の多言語推論(MARVL)データセットを作成する。
  論文  参考訳（メタデータ） (2021-09-28T16:51:38Z)

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。