[論文レビュー] Text-to-Image Generation: Perceptions and Realities

Jonas Oppenlaender, Aku Visuri+3 more|arXiv (Cornell University)|Mar 10, 2023

Virtual Reality Applications and Impacts被引用数 15

ひとこと要約

この論文は、グループ間のテキスト対画像生成に対する認識を調査した結果、リスクへの認識はあるが個人的な脅威認識は低く、以前の露出が将来の重要性の予測を低下させることを示しています。

ABSTRACT

Generative AI is an emerging technology that will have a profound impact on society and individuals. Only a decade ago, it was thought that creative work would be among the last to be automated - yet today, we see AI encroaching on creative domains. In this paper, we present the key findings of a survey study on people's perceptions of text-to-image generation. We touch on participants' technical understanding of the emerging technology, their ideas for potential application areas, as well as concerns, risks, and dangers of text-to-image generation to society and the individual. The study found that participants were aware of the risks and dangers associated with the technology, but only few participants considered the technology to be a risk to themselves. Additionally, those who had tried the technology rated its future importance lower than those who had not.

研究の動機と目的

• 人々がテキスト対画像生成をどのように理解し、訓練と推論を区別できるかを評価する。
• 公衆が認識する潜在的な応用分野を特定する。
• テキスト対画像生成に関する懸念と社会的・個人的リスクを評価する。
• 参加者の職業にとって技術の将来の重要性を探る。
• AI生成画像における開示と著作権/著作者の問題についての態度を検討する。

提案手法

• autumn 2022 に Researchers Night で実施されたオンライン調査、参加者は 35 名。
• 質問票は 26 の質問で構成され、3 つの自由回答項目を含む。
• 自由回答の質的分析を in vivo コーディングを用いて実施。
• データが扱いやすくコーディングが簡潔であるため、評者間信頼性の評価は実施しなかった。
• 参加者は年齢 19–50 歳（M=33.7）、教育的背景は多様。
• 約 34.3% がテキスト対画像生成の事前利用を報告; 一般的なツールには DALL-E Mini/Craiyon、DALL-E 2、Dream/Wombo、Stable Diffusion が含まれる。

実験結果

リサーチクエスチョン

• RQ1 公衆のテキスト対画像生成に関する技術的理解は訓練と推論の区別を含めてどの程度か。
• RQ2 人々はテキスト対画像生成のどんな応用分野（芸術、メディア、教育等）を想定しているか。
• RQ3 テキスト対画像生成の認識されるリスクと社会的影響（偽情報、失業、著作権、多様性）とは何か。
• RQ4 参加者の現在および将来の職業実践においてテキスト対画像生成はどれほど重要か。
• RQ5 AI生成画像を開示すべきか、AI生成作品の信用は誰が持つべきか。

主な発見

• 多くの参加者はテキスト対画像生成の仕組みを明確に説明できず、訓練と推論を混同することが多かった。
• 参加者は芸術作品、イラスト、ブレインストーミング、マーケティング、デザイン、エンターテインメント、教育の応用を想定したが、非創造的な用途への強調は少なかった。
• ほとんどの回答者は現時点で自分の職業にとって技術が重要でないと判断したが、将来的にはより重要になる可能性が高いと見なしていた。
• 以前にテキスト対画像生成を試した人は、試していない人よりも将来の重要性を低く評価した。
• 懸念は社会的リスクを中心とした: 深層偽造による偽情報、失業、著作権の曖昧さ、人間の創作者への評価低下、合成画像の文化的多様性バイアス。
• artworks の AI 生成起源の開示を支持する参加者は約半数程度であった; AI 生成作品をラベル付けすべきでないと考える人は少数だった。