論文の概要: Playing Bias: Epistemic Games for Interpreting Text-to-Image Models

• arxiv url: http://arxiv.org/abs/2610.32159v1
• Date: Fri, 23 Oct 2026 04:50:16 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-10-27 01:38:06.390574
• Title: Playing Bias: Epistemic Games for Interpreting Text-to-Image Models
• Title（参考訳）: Playing Bias: テキストから画像への解釈のためのエピステミックゲーム
• Abstract要約: Text-to-image (T2I) システムは、ポーズ、カメラ、コスチューム、プロップ、セッティングを通じて、形状認識を行う。 本稿では、人文科学を取り入れた枠組みを、この文化作品の可視性・可視性を損なう一連のゲームに翻訳する。 大学院の美術学生を持つパイロットでは、ゲームは印象主義的な反応から簡潔に議論を移し、視覚的証拠に基づく仮説を保証した。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by-sa/4.0/
• Abstract: Text-to-image (T2I) systems do not merely render prompts; they circulate defaults for "what X looks like," shaping recognition through pose, camera, costume, props, and setting. While technical audits quantify disparities, they rarely cultivate the literacy needed to argue how images assemble stereotypes and confer authority. This paper translates a three-stage, humanities-informed framework into a set of epistemic games that make this cultural work visible and debatable: Interpret (art-historical close looking with AI outputs), Interrogate (counter-intent prompting as artistic exploration), and Expose (creative misuse through paired prompts with a constant motif and a BiasSlot rule, in which only the bias cue varies). In a pilot with undergraduate fine-arts students, the games shifted discussion from impressionistic reactions to concise, warranted hypotheses grounded in visual evidence, supported by lightweight classroom instruments that enabled reproducibility and structured collaboration. We argue that such game-based approaches foster critical literacy across educational contexts, equipping learners to recognize, discuss, and contest how T2I models encode bias.
• Abstract（参考訳）: テキスト・トゥ・イメージ(T2I)システムは単にプロンプトを描画するだけでなく、ポーズ、カメラ、コスチューム、プロップ、セッティングを通じて認識を形成する。 技術的監査は格差を定量化するが、画像がどのようにステレオタイプを組み立て、権威を委譲するかを議論するために必要なリテラシーを育むことは滅多にない。 本稿では,3段階の人文・人文・人文・人文・人文・人文・人文・人文・人文・人文・人文・人文・人文・人文・人文・人文・人文・人文・物文・物文・物文・物文・物文・物文・物文・物文・物文・物文・物文・物文・物文・物文・物文・物文・物文・物文・物文・物文・物文・物文・物文・物文・物文・物文・物文・物文・物・物文・物・物文・物・物文・物・物・物・物・物・物・物・物・物・物・物・物・物・物・物・物・物・物・物・物・物・物・物・物・物)の3段階を3段階に翻訳する。 大学生のファインアートの学生を持つパイロットでは、ゲームは印象主義的な反応から簡潔な反応へと議論を移し、再現性と構造化されたコラボレーションを可能にする軽量の教室機器によって支援された視覚的証拠に基づく保証された仮説を保証した。 このようなゲームベースのアプローチは、教育的文脈における重要なリテラシーを促進し、学習者にバイアスをコードするT2Iモデルを認識し、議論し、議論する機会を与えている。

関連論文リスト

• Improving Reasoning in Vision-Language Models via Perception Verified Self-Training [3.443084677278651]
  本稿では,視覚的根拠に基づく推論を強制する自己学習フレームワークを提案する。 まず,認識を推論から切り離すCoTテンプレートを用いて,視覚的理解の独立した検証を可能にする。 回答の正確さとともにキャプション検証を用いて、データを3つのサブセットに分割する: 簡単(正しいキャプションと結論)、中(正しいキャプションだが、間違った結論)、ハード(間違ったキャプション)。
  論文  参考訳（メタデータ） (2026-06-20T17:33:07Z)
• RePrompt: Reasoning-Augmented Reprompting for Text-to-Image Generation via Reinforcement Learning [88.14234949860105]
  RePromptは、強化学習による迅速な強化プロセスに明示的な推論を導入する、新しいリプロンプトフレームワークである。 提案手法は,人手による注釈付きデータなしでエンドツーエンドのトレーニングを可能にする。
  論文  参考訳（メタデータ） (2025-05-23T06:44:26Z)
• HENASY: Learning to Assemble Scene-Entities for Egocentric Video-Language Model [9.762722976833581]
  現在のモデルは、ビデオと言語間のインスタンスレベルのアライメントに大きく依存している。 我々は、人間の知覚からインスピレーションを得て、エゴビデオ表現のための構成的アプローチを探求する。
  論文  参考訳（メタデータ） (2024-06-01T05:41:12Z)
• "Hunt Takes Hare": Theming Games Through Game-Word Vector Translation [0.0]
  ゲームテーマはそのデザインの重要な部分であり、物語情報、修辞的なメッセージ、プレイヤーの侵入戦略、チュートリアルの支援などを提供する。 しかし、ゲームのテーマ要素はAIシステムが理解し操作することが難しいことで知られており、しばしば手書きの解釈や知識に頼っている。 本稿では,ゲーム埋め込み,ログデータからゲームダイナミクスをモデル化する最近の手法,および言語に関する意味情報をモデル化する単語埋め込みを結合する手法を提案する。
  論文  参考訳（メタデータ） (2024-05-16T08:19:11Z)
• Mismatch Quest: Visual and Textual Feedback for Image-Text Misalignment [64.49170817854942]
  本稿では,検出されたテキストと画像のペア間の相違点の詳細な説明を行う。 我々は、大きな言語モデルと視覚的接地モデルを活用して、与えられた画像に対して妥当なキャプションを保持するトレーニングセットを自動構築する。 また,テキストと視覚的ミスアライメントアノテーションを組み合わせた新たな人為的なテストセットも公開する。
  論文  参考訳（メタデータ） (2023-12-05T20:07:34Z)
• CAPro: Webly Supervised Learning with Cross-Modality Aligned Prototypes [93.71909293023663]
  クロスモダリティ・アライテッド・プロトタイプ(CAPro)は、視覚表現を正しい意味論で学習する統合コントラスト学習フレームワークである。 CAProは、新しい最先端のパフォーマンスを実現し、オープンセット認識に対する堅牢性を示す。
  論文  参考訳（メタデータ） (2023-10-15T07:20:22Z)
• 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)

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。