論文の概要: Attractive Faces Skew Text-to-Image Reward Models and Leaderboards

• arxiv url: http://arxiv.org/abs/2610.28195v1
• Date: Tue, 20 Oct 2026 13:35:34 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-10-21 21:58:47.832628
• Title: Attractive Faces Skew Text-to-Image Reward Models and Leaderboards
• Title（参考訳）: テキスト・ツー・イメージ・リワード・モデルとリーダーシップ
• Abstract要約: 人間の顔にとって、知覚的な魅力は、嗜好判断において画質を上回る。 制御されたユーザスタディでは、アノテータは、魅力的なAI生成顔と比較して、魅力的な顔をより高い品質としてランク付けする。 好みの一致した生成は、より若く女性的な顔に向きを変え、魅力のない顔に対する明示的なプロンプトをオーバーライドできることを示す。
• 参考スコア（独自算出の注目度）: 13.186131098286408
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Human preference is now central to the evaluation, guidance, finetuning, and ranking of text-to-image models. However, the susceptibility of human preferences to bias in image generation remains underexplored. We identify a key observation: for human faces, perceived attractiveness overrides image quality in preference judgments, even when comparing real photographs of identical fidelity. In a controlled user study, annotators rank more attractive faces as higher quality, even when unattractive real faces are compared with attractive AI-generated ones. We examine the downstream consequences of this bias. Firstly, simulating Elo rankings from user study data shows attractiveness can invert a leaderboard's ranking, elevating synthetic attractive faces over real, unattractive ones. Secondly, the same bias reappears in the human preference models. Editing 40 annotated facial attributes in isolation, we find that attractiveness is the strongest correlate of score for four of five human preference models (PickScore, MPS, HPSv2.1, HPSv3), and the strongest predictor of score in regression analysis. We further show that preference aligned generation shifts faces toward younger, more feminine faces, and can override explicit prompts for unattractive faces, thereby limiting user control. Finally, we explore mitigation strategies, both for data collection and post training on human preference models. These findings highlight the need for preference models that disentangle image quality from human cognitive bias, enabling more reliable evaluation.
• Abstract（参考訳）: 人間の好みは、現在、テキスト・ツー・イメージ・モデルの評価、ガイダンス、微調整、ランキングの中心となっている。 しかし、画像生成における人間の嗜好と偏見の受容性はいまだに未解明である。 人間の顔に対して、知覚的な魅力は、同一の忠実さの実際の写真を比較しても、好みの判断において画質を上回る。 制御されたユーザスタディでは、アノテータは、魅力的なAI生成顔と比較して、魅力的な顔をより高い品質としてランク付けする。 このバイアスの下流結果について検討する。 第一に、ユーザ調査データからEloランキングをシミュレートすると、リーダーボードのランキングを逆転させ、リアルで魅力のない顔よりも合成された魅力的な顔を増やすことができる。 第二に、同じバイアスが人間の嗜好モデルに再び現れる。 40個のアノテートされた顔属性を別々に編集した結果,5つのヒト選好モデル(PickScore,MPS,HPSv2.1,HPSv3)のうち,魅力の相関が最強であることが判明した。 さらに、嗜好に整合した生成は、より若く女性的な顔に向きを変え、魅力のない顔に対する明示的なプロンプトをオーバーライドし、ユーザコントロールを制限できることを示す。 最後に、人間の嗜好モデルにおけるデータ収集とポストトレーニングのための緩和戦略について検討する。 これらの知見は、人間の認知バイアスから画像品質を歪め、より信頼性の高い評価を可能にする選好モデルの必要性を強調している。

関連論文リスト

• Generative AI Produces and Transmits Beauty Bias [63.804388729769904]
  2022年から2026年にかけて発行された27個のテキスト・ツー・イメージ・ジェネレータについて,魅力や美しさに言及しない簡単なプロンプトを用いて検討した。 その結果, 女性プロが生成する顔の37%が, ファッションモデルの平均値を上回っていることが判明した。 生成AIは、人種的階層と性的な美しさのパターンを再現し、現実の人々が判断される状況を変えることができる。
  論文  参考訳（メタデータ） (2026-10-15T18:48:13Z)
• Beauty is in the AI of the beholder: MLLMs systematically overrate facial attractiveness [1.0083936071571096]
  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。
  論文  参考訳（メタデータ） (2026-09-02T12:16:22Z)
• Beauty is in the ELBO of the Beholder: A Variational Account of Processing Fluency in Face Perception [3.8272570878331904]
  我々は, 4つの顔データセット上で, 魅力を伴わない変分自動エンコーダを訓練し, シカゴ顔データベース上でそれらの表現を評価する。 人間の魅力度評価は,VAEエビデンス(ELBO)が規定する速度歪み空間の方向と密接に一致していることがわかった。 本研究は,美学の古典的記述と学習された生成モデルとを結びつけ,美学の処理理論の変分的解釈を実証的に支援する。
  論文  参考訳（メタデータ） (2026-08-25T08:24:46Z)
• Measuring Social Bias in Vision-Language Models with Face-Only Counterfactuals from Real Photos [79.03150233804458]
  現実のイメージは人種と性別を混在させ、背景や衣服などの関連要因や属性を隠蔽する。 テキストのみの対実的評価パラダイムを提案する。 我々は、人種や性別に関連する顔属性のみを編集し、他の視覚的要素を全て固定することで、反事実的変異を生成する。
  論文  参考訳（メタデータ） (2026-01-11T14:35:06Z)
• 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)
• Explaining Bias in Deep Face Recognition via Image Characteristics [9.569575076277523]
  2つのデータセットのセキュリティとユーザビリティの観点から,10種類の最先端の顔認識モデルを評価し,その妥当性を比較した。 次に,画像特性がモデル性能に与える影響を解析する。
  論文  参考訳（メタデータ） (2022-08-23T17:18:23Z)
• Learning Preference-Based Similarities from Face Images using Siamese Multi-Task CNNs [78.24964622317633]
  オンラインデートプラットフォームの大きな課題は、ユーザに適したマッチングを決定することだ。 ディープラーニングアプローチは、人間の顔からある程度まで様々な特性を予測できることを示した。 画像ベースマッチングの実現可能性について検討し,個人の関心や嗜好,態度とマッチングする方法について検討した。
  論文  参考訳（メタデータ） (2020-01-25T23:08:12Z)

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。