論文の概要: Understanding Machine Taste: Aesthetic Agreement Across Foundation Models in K-pop

• arxiv url: http://arxiv.org/abs/2610.17731v1
• Date: Tue, 13 Oct 2026 05:09:22 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-10-17 17:32:25.834955
• Title: Understanding Machine Taste: Aesthetic Agreement Across Foundation Models in K-pop
• Title（参考訳）: マシンテイストを理解する - K-popのファンデーションモデル全体での美的合意
• Abstract要約: 基礎モデルがクリエイティブ産業に参入するにつれ、その美的好みを理解することは、AIによる創造的意思決定への重要なステップとなる。 本研究では,K-popの楽曲やミュージックビデオをテストベッドとして,ファンデーションモデルによる創造的コンテンツを評価し,マシンの味を特徴付ける方法について検討する。
• 参考スコア（独自算出の注目度）: 42.8641504295868
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: As foundation models enter creative industries, understanding their aesthetic preferences becomes an important step toward AI-assisted creative decision making. In this work, we investigate how foundation models evaluate creative content and characterize their ``machine taste'' using K-pop songs and music videos as a testbed. We formulate aesthetic evaluation as a pairwise ranking problem and systematically examine pairwise inter-model agreement, group-level consensus, and cross-modal preference alignment. Our results reveal stronger pairwise inter-model agreement and group-level consensus in visual evaluation than in audio evaluation, while preferences across the two modalities remain weakly aligned. We further examine how visual consensus rankings relate to real-world popularity using historical YouTube viewership data, finding positive but varying correlations across artist groups. These findings provide initial insights into machine aesthetic preferences and lay the groundwork for future AI-assisted creative decision making that considers creative content, artist identity, audience preferences, and market dynamics.
• Abstract（参考訳）: 基礎モデルがクリエイティブ産業に参入するにつれ、その美的好みを理解することは、AIによる創造的意思決定への重要なステップとなる。 そこで本研究では,K-popの楽曲やミュージックビデオをテストベッドとして,ファンデーションモデルがどのように創造的コンテンツを評価し,その「機械味」を特徴付けるかを検討する。 我々は,ペアワイズランキング問題として審美評価を定式化し,ペアワイズモデル間合意,グループレベルのコンセンサス,モーダル間優先アライメントを体系的に検討する。 その結果,2つのモード間での嗜好が弱いままでありながら,両モデル間合意とグループレベルの合意が音声評価よりも強いことが明らかとなった。 さらに、過去のYouTube視聴者データを用いて、視覚的コンセンサスランキングが現実世界の人気とどのように関連しているかを検証し、アーティストグループ間で肯定的だが異なる相関関係を見出した。 これらの発見は、機械美的嗜好に関する最初の洞察を与え、創造的コンテンツ、アーティストのアイデンティティ、オーディエンス選好、市場ダイナミクスを考慮に入れた、未来のAI支援による創造的意思決定の基礎となる。

関連論文リスト

• AUV-Bench: Aesthetic Understanding and Generation Evaluation for User Interfaces [68.93050284701197]
  専門的なデザインの実践では、デザイナーは、判断、診断、修復、創造を一貫して導く審美原則の体系的なセットに依存している。 しかし、既存の評価は、通常、これらの能力を単独で評価し、タスクレベルの成功が共通の美的理解を反映しているかどうかを判断することは困難である。 AUV-Benchは,1,395の実行可能なWebインターフェースと,美的評価,診断,修復,テキスト・ツー・UI生成という4つのタスクを中心に,プロのUIデザイナと共同で開発された。
  論文  参考訳（メタデータ） (2026-09-28T10:46:37Z)
• The Human Creativity Benchmark [37.190673682910536]
  創造的な領域では、専門家の意見の相違は、測定誤差ではなく、味の真の相違を反映している。 創造的なAIを評価するには、収束と分散という2つの異なるシグナルを保存する必要がある、と私たちは主張する。 この分離を運用するベンチマークであるHuman Creativity Benchmark(HCB)を紹介する。
  論文  参考訳（メタデータ） (2026-06-29T16:59:46Z)
• Simple Lines, Big Ideas: Towards Interpretable Assessment of Human Creativity from Drawings [18.09092203643732]
  図面からの自動的かつ解釈可能な創造性評価のためのデータ駆動型フレームワークを提案する。 6]で提案された認知的エビデンスにより、創造性は、引き出されたもの(コンテンツ)と引き出されたもの(スタイル)の両方から生ずることができ、創造性スコアをこれら2つの相補的な次元の関数として再解釈する。
  論文  参考訳（メタデータ） (2025-11-17T02:16:01Z)
• MPJudge: Towards Perceptual Assessment of Music-Induced Paintings [25.063505095572093]
  音楽誘導絵画はユニークな芸術的実践であり、視覚芸術は音楽の影響下で創造される。 本稿では,音楽と視覚芸術の知覚的コヒーレンスを直接モデル化する,音楽誘発絵画評価のための新しい枠組みを提案する。 本稿では,変調に基づく融合機構を用いて,音楽特徴を視覚エンコーダに統合するモデルMPJudgeを提案する。
  論文  参考訳（メタデータ） (2025-11-10T14:18:27Z)
• Aligning Vision Models with Human Aesthetics in Retrieval: Benchmarks and Algorithms [91.19304518033144]
  検索システムにおける視覚モデルと人間の審美基準の整合を図る。 本研究では、視覚モデルと人間の美学をよりよく整合させるために、視覚モデルを微調整する嗜好に基づく強化学習手法を提案する。
  論文  参考訳（メタデータ） (2024-06-13T17:59:20Z)
• Unveiling The Factors of Aesthetic Preferences with Explainable AI [0.0]
  本研究では,機械学習(ML)モデルを用いて,新しい視点を開拓する。 我々のモデルはこれらの属性を入力として処理し、画像の美的スコアを予測する。 本研究の目的は,画像における審美的嗜好の複雑な性質をMLを通して明らかにし,審美的判断に影響を及ぼす属性をより深く理解することである。
  論文  参考訳（メタデータ） (2023-11-24T11:06:22Z)
• Fairness meets Cross-Domain Learning: a new perspective on Models and Metrics [80.07271410743806]
  クロスドメイン学習(CD)とモデルフェアネスの関係について検討する。 いくつかの人口集団にまたがる顔画像と医療画像のベンチマークと、分類とローカライゼーションタスクについて紹介する。 本研究は,3つの最先端フェアネスアルゴリズムとともに,14のCDアプローチをカバーし,前者が後者に勝ることを示す。
  論文  参考訳（メタデータ） (2023-03-25T09:34:05Z)
• Modeling Content Creator Incentives on Algorithm-Curated Platforms [76.53541575455978]
  本研究では,アルゴリズムの選択が露出ゲームにおける(ナッシュ)平衡の存在と性格にどのように影響するかを検討する。 本研究では、露出ゲームにおける平衡を数値的に見つけるためのツールを提案し、MovieLensとLastFMデータセットの監査結果を示す。
  論文  参考訳（メタデータ） (2022-06-27T08:16:59Z)

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。