論文の概要: HumanCentric-Scenes-AI: A Human-Curated Multimodal Dataset of AI-Generated Human-Centric Scenes Across Surveillance, Occupational Portraits, AI-Edited Images, and Short-Form Video

• arxiv url: http://arxiv.org/abs/2610.29045v1
• Date: Wed, 21 Oct 2026 01:20:14 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-10-23 00:40:06.171316
• Title: HumanCentric-Scenes-AI: A Human-Curated Multimodal Dataset of AI-Generated Human-Centric Scenes Across Surveillance, Occupational Portraits, AI-Edited Images, and Short-Form Video
• Title（参考訳）: Human Centric-Scenes-AI:AIが生成する人間中心シーンの、サーベイランス、Occupational Portraits、AI編集画像、ショートフォームビデオの、人間のキュレートされたマルチモーダルデータセット
• Abstract要約: 我々は、296個のAI生成刺激のデータセットであるHumanCentric-Scenes-AIを紹介した。 Surveillanceサブセットには、85のAI生成CCTVスタイルの画像が含まれている。 Occupationsのサブセットには、64の職業を1人の女性と1人の男性のバージョンでカバーするバランスの取れたペアデザインの128のAI生成の職業的肖像画が含まれている。 ビデオサブセットには、AIが生成した56のショートビデオが含まれている。
• 参考スコア（独自算出の注目度）: 1.593065406609169
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: We introduce HumanCentric-Scenes-AI, a human-curated dataset of 296 AI-generated stimuli that depict people across four contexts in which people encounter AI-generated media. The Surveillance subset contains 85 AI-generated CCTV-style images. The Occupations subset contains 128 AI-generated occupational portraits in a balanced paired design covering 64 occupations with one female and one male version of each. The AI-edited subset contains 27 real photographs in which a region was altered or replaced by a generative model. The Video subset contains 56 AI-generated short videos. We curated the images and videos manually over multiple rounds to make them as photorealistic as possible. For each stimulus we release the file, the generation prompt where recorded, and per-stimulus metadata. We report depicted-gender distributions from an initial set of 134 generations without a specified gender and compare them with U.S. Bureau of Labor Statistics occupational gender shares. We report edit-region size and its association with zero-shot detection difficulty for the AI-edited subset. We report image-quality distributions for the Surveillance subset and subject-category coverage for the Video subset. HumanCentric-Scenes-AI is intended first for human-perception research, and also for calibration of AI-detection classifiers and bias analysis of generative models.
• Abstract（参考訳）: 我々は、AI生成メディアに遭遇する4つの状況にまたがる人々を描写する296個のAI生成刺激の人間計算データセットであるHumanCentric-Scenes-AIを紹介する。 Surveillanceサブセットには、85のAI生成CCTVスタイルの画像が含まれている。 Occupationsのサブセットには、64の職業を1人の女性と1人の男性のバージョンでカバーするバランスの取れたペアデザインの128のAI生成の職業的肖像画が含まれている。 AI編集されたサブセットは、領域を変更したり、生成モデルに置き換えられた27枚の実際の写真を含んでいる。 ビデオサブセットには、AIが生成した56のショートビデオが含まれている。 画像とビデオを複数のラウンドで手動でキュレートして、可能な限り写真リアリスティックにしました。 各刺激に対して、ファイル、記録された生成プロンプト、刺激ごとのメタデータを解放します。 本報告では、性別を指定せずに、最初の134世代で表現された性別分布について報告し、米国労働統計局の職業性シェアと比較した。 編集領域のサイズと、AI編集サブセットのゼロショット検出難度との関連について報告する。 本稿では,Surveillanceサブセットの画質分布とビデオサブセットの主観的カテゴリカバレッジについて報告する。 HumanCentric-Scenes-AIは、人間の知覚研究や、AI検出分類器の校正、生成モデルのバイアス分析などを目的としている。

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)
• Generative AI Literacy Training Improves Intelligence Analysts' Discrimination of Real and AI-Generated Images [16.768244153862213]
  2024年、米国政府が採用した情報アナリストに対する短期訓練介入の有効性について検討する。 トレーニングでは,ベースライン72%から9ポイント(95% CI: [2.7, 15.4])の総合的精度が向上した。 この改善は、実際の画像の精度が14.2ポイント向上することによる。
  論文  参考訳（メタデータ） (2026-06-26T18:05:08Z)
• We are not able to identify AI-generated images [0.0]
  私たちのデータセットには、CC12Mからサンプルされた実際の画像と、MidJourneyで生成されたAI生成のデータを慎重にキュレートする、120の難しいケースが含まれています。 我々の結果は、比較的単純なポートレート画像でも、人間が確実にAI生成コンテンツを検出するのに苦労していることを示している。 これらの発見は、AIが生成するメディアが現実と差別化されていくにつれて、より大きな認識と倫理的ガイドラインの必要性を浮き彫りにしている。
  論文  参考訳（メタデータ） (2025-12-23T11:55:40Z)
• The Digital Mirror: Gender Bias and Occupational Stereotypes in AI-Generated Images [2.198430261120653]
  本研究では,AI生成画像における表現バイアスを作業環境で検証する。 DALL-E 3とIdeogramの2つの画像生成ツールを比較した。 本研究では,視覚性のある画像を生成する際の表現力を高めるために,実践者,個人,研究者に提案する。
  論文  参考訳（メタデータ） (2025-10-08T12:49:18Z)
• A Sanity Check for AI-generated Image Detection [49.08585395873425]
  我々はAI生成画像を検出するAI生成画像検出装置(AI生成画像検出装置)を提案する。 AIDEは最先端の手法を+3.5%、+4.6%改善した。
  論文  参考訳（メタデータ） (2024-06-27T17:59:49Z)
• UniHuman: A Unified Model for Editing Human Images in the Wild [49.896715833075106]
  実環境における画像編集の複数の側面に対処する統一モデルUniHumanを提案する。 モデルの生成品質と一般化能力を向上させるために,人間の視覚エンコーダからのガイダンスを利用する。 ユーザスタディでは、UniHumanは平均して77%のケースでユーザに好まれる。
  論文  参考訳（メタデータ） (2023-12-22T05:00:30Z)
• TWIGMA: A dataset of AI-Generated Images with Metadata From Twitter [29.77283532841167]
  TWIGMAは,2021年1月から2023年3月までに収集された800,000以上のgen-AI画像を含むデータセットである。 その結果,gen-AI画像には特徴があり,非gen-AI画像と比較すると,平均的,低変動性を示すことがわかった。 われわれは、Twitter上でAI生成画像のテーマの経年変化を観察し、ユーザーは芸術的に洗練されたコンテンツをますます共有している。
  論文  参考訳（メタデータ） (2023-06-14T07:27:57Z)
• Seeing is not always believing: Benchmarking Human and Model Perception of AI-Generated Images [66.20578637253831]
  人工知能(AI)技術の進歩が偽写真を生み出すのではないかという懸念が高まっている。 本研究の目的は、最先端のAI生成視覚コンテンツを識別するためのエージェントを包括的に評価することである。
  論文  参考訳（メタデータ） (2023-04-25T17:51:59Z)

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。