| 作成者 |
|
|
|
| 本文言語 |
|
| 出版者 |
|
|
|
| 発行日 |
|
| 収録物名 |
|
| 会議情報 |
|
| 出版タイプ |
|
| アクセス権 |
|
| 権利関係 |
|
|
|
|
|
| 関連DOI |
|
| 関連ISBN |
|
| 関連HDL |
|
| 概要 |
近年、生成 AI 技術の発展により、画像の生成や変換を通じた創作活動が広がりつつある。一方で、 マンガやイラストなどの著作権侵害や無断転載、さらには学習データの不透明性の問題も顕在化している。 これらの問題への対処方法として生成・転載された画像の出典となる作者や作品の特定技術が求められて いる。本研究では、画像生成モデルの調整手法である LoRA（Low-Rank Adaptation）に着目し、...LoRA の重みパラメータに反映されると考えられるスタイル (絵柄) 情報を用いて、作者ごとに異なる分布を持つ スタイル表現空間の構築を試みた。具体的には、一つのマンガ作品を学習した LoRA アダプタの重みを共 通の空間に射影し、クラスタリングを行うことで、作品間および作者間の位置関係を可視化・分析する。 提案手法により、スタイル表現空間上での距離や相対的位置関係に基づいた解析が可能となり、画像の出 典となる作者や作品の特定に寄与することが期待される。
In recent years, generative AI technologies have expanded creative activities through image gen- eration and transformation. At the same time, issues such as copyright infringement, unauthorized repro- duction, and unclear training data have become serious. To address these problems, methods for identifying the original authors and works of generated images are needed. In this study, we focus on LoRA (Low-Rank Adaptation), a fine-tuning method for image generation models. We use style information reflected in LoRA weight parameters to construct a style representation space with different distributions for each author. Specifically, we project LoRA adapter weights trained on individual manga works into a common space and apply clustering to analyze relationships between works and authors. The proposed method enables analysis based on distances and relative positions in the style space and is expected to help identify the sources of generated images.続きを見る
|
Mendeley出力
