論文の概要: Measuring Preferred Representation in AI-generated Images with Community Scorers
- arxiv url: http://arxiv.org/abs/2611.16093v1
- Date: Wed, 11 Nov 2026 23:02:10 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-11-14 01:36:33.288098
- Title: Measuring Preferred Representation in AI-generated Images with Community Scorers
- Title(参考訳): コミュニティスコラーを用いたAI生成画像における優先表現の測定
- Abstract要約: 本稿では,AI生成画像における優先表現の概念を運用する計測器を提案する。
コミュニティスコラー(Community Scorer)は、AI生成画像において特定のコミュニティが好む表現を評価するモデルである。
コミュニティ・スコーラーは、他の広く使われているテキスト・ツー・イメージの指標と比較して、コミュニティ・レーティングとよく一致していることを示す。
- 参考スコア(独自算出の注目度): 18.986804249738928
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: AI-generated images often misrepresent historically marginalised communities, with real-world consequences beyond the images themselves. However, conventional metrics fail to measure how communities want to be represented in AI-generated images. To address this, we introduce the concept of preferred representation. Building on previous work, we propose a measurement instrument that operationalises this concept through a Community Scorer - a model that evaluates a specific community's preferred representation in AI-generated images. We interrogate the validity of Community Scorers on three diverse disability communities that span the Global North and South. The results show that Community Scorers align significantly better with community ratings compared to other widely used text-to-image metrics. We then demonstrate the usefulness of these scorers in a downstream content filtering task. We release the Community Preference Dataset to enable others to optimise how Community Scorers can be scaled for culturally specific evaluation of AI-generated visual media.
- Abstract(参考訳): AIが生成した画像は、しばしば歴史的に疎外されたコミュニティを誤って表現し、実際の結果が画像そのものを超えて現れる。
しかし、従来のメトリクスは、AI生成画像でコミュニティがどのように表現したいかを測定するには至らなかった。
この問題に対処するために、優先表現の概念を導入する。
本稿では,この概念を,AI生成画像における特定のコミュニティの好む表現を評価するモデルであるCommunity Scorerを通じて操作する計測器を提案する。
我々は、グローバル・ノースとサウスにまたがる3つの多様な障害地域社会におけるコミュニティ・スコラーの妥当性を疑問視する。
その結果,Community Scorersは,他の広く使用されているテキスト・ツー・イメージの指標と比較して,コミュニティ・レーティングとよく一致していることがわかった。
次に、下流コンテンツフィルタリングタスクにおいて、これらのスコアラの有用性を示す。
我々は、AI生成したビジュアルメディアの文化的に特定の評価のために、コミュニティスコラーをどのように拡張できるかを、他の人が最適化できるように、Community Preference Datasetをリリースする。
関連論文リスト
- EvaNet: Towards More Efficient and Consistent Infrared and Visible Image Fusion Assessment [63.853717062482815]
画像融合研究において評価は不可欠であるが、既存の指標のほとんどは、適切な適応なしに他の視覚タスクから直接借用されている。
画像融合に適した統合評価フレームワークを提案する。
我々の学習に基づく評価パラダイムは、様々な標準画像融合ベンチマークにおいて、優れた効率(最大1000倍高速)とより優れた一貫性を提供する。
論文 参考訳(メタデータ) (2026-04-03T09:12:16Z) - Constantly Improving Image Models Need Constantly Improving Benchmarks [109.39018167487103]
本稿では,実際のモデル利用の証拠から直接ベンチマークを構築するためのフレームワークECHOを提案する。
GPT-4o Image Genにこのフレームワークを適用し,ソーシャルメディア投稿から収集した31,000以上のプロンプトのデータセットを構築した。
論文 参考訳(メタデータ) (2025-10-16T17:59:30Z) - The Case for "Thick Evaluations" of Cultural Representation in AI [11.53198252426806]
生成的AI画像モデルは、非西洋文化を表現することができないことから、ますます評価されている。
これらの評価は、人々が自身の表現を定義する方法を無視して、還元的な表現の理想を通じて行われると論じる。
我々は、AI画像における社会世界の表現を評価するための、よりきめ細やかで、位置的かつ非帰的な測定フレームワークである「厚さ評価」の考え方を紹介した。
論文 参考訳(メタデータ) (2025-03-24T19:01:14Z) - Verified authors shape X/Twitter discursive communities [0.24999074238880484]
本研究は、オンライン政治討論における主要なコンテンツクリエーターとしての検証ユーザーの役割に焦点を当てた。
この分析は、2022年の3つの主要なイタリアの政治イベント、すなわち大統領選挙、政府の危機、および総選挙に焦点を当てている。
論文 参考訳(メタデータ) (2024-05-08T09:04:46Z) - Social Reward: Evaluating and Enhancing Generative AI through
Million-User Feedback from an Online Creative Community [63.949893724058846]
コミュニティ認識の一形態としての社会的報酬は、オンラインプラットフォームのユーザーがコンテンツに関わり、貢献する動機の強い源泉となる。
この作業はパラダイムシフトの先駆者であり、革新的な報酬モデリングフレームワークであるSocial Rewardを発表した。
私たちは、オンラインビジュアル作成と編集プラットフォームであるPicsartから、データセットのキュレーションと洗練の広範な旅に乗り出した。
論文 参考訳(メタデータ) (2024-02-15T10:56:31Z) - What Values Do ImageNet-trained Classifiers Enact? [0.0]
我々は、「価値」を、重要な社会的関心事に関するオープンな質問に対して、分類者が発言する行動として特定する。
しかし、AIの社会的偏見とは異なり、分類者の価値観は必ずしも道徳的に恐ろしいものではない。
我々の発見は、コンピュータビジョン以外の他の領域に適用可能なML研究者に、社会世界に対する豊かな感覚をもたらします。
論文 参考訳(メタデータ) (2024-02-07T14:39:09Z) - A Shared Representation for Photorealistic Driving Simulators [83.5985178314263]
本稿では、識別器アーキテクチャを再考することにより、生成画像の品質を向上させることを提案する。
シーンセグメンテーションマップや人体ポーズといったセマンティックインプットによって画像が生成されるという問題に焦点が当てられている。
我々は,意味的セグメンテーション,コンテンツ再構成,および粗い粒度の逆解析を行うのに十分な情報をエンコードする,共有潜在表現を学習することを目指している。
論文 参考訳(メタデータ) (2021-12-09T18:59:21Z) - Predicting Livelihood Indicators from Community-Generated Street-Level
Imagery [70.5081240396352]
本稿では,クラウドソースによるストリートレベルの画像から重要な生活指標を予測するための,安価でスケーラブルで解釈可能なアプローチを提案する。
全国的に代表される世帯調査で収集した地上データと比較することにより,貧困,人口,健康の指標を正確に予測する上でのアプローチの有効性を実証した。
論文 参考訳(メタデータ) (2020-06-15T18:12:12Z) - Are we done with ImageNet? [86.01120671361844]
我々は、ImageNetバリデーションセットの人間のアノテーションを収集するための、より堅牢な手順を開発する。
我々は最近提案されたImageNet分類器の精度を再評価し、その精度は元のラベルで報告されたものよりもかなり小さいことがわかった。
オリジナルのImageNetラベルは、もはやこの独立に収集されたセットの最良の予測者ではなく、ビジョンモデルの評価における彼らの有用性が終わりに近づいていることを示している。
論文 参考訳(メタデータ) (2020-06-12T13:17:25Z) - Ensemble Network for Ranking Images Based on Visual Appeal [36.42537020137936]
短時間で同じイベントで撮影された画像(特にグループ写真)のランク付けを行うための計算フレームワークを提案する。
ランキングは、画像の全体的な魅力に対する人間の認識と一致することが期待されている。
論文 参考訳(メタデータ) (2020-06-06T15:51:38Z)
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。