图像生成

The Algorithmic Gaze of Image Quality Assessment: An Audit and Trace Ethnography of the LAION-Aesthetics Predictor

图像质量评估的算法凝视：LAION-Aesthetics预测器的审计与踪迹民族志

Jordan Taylor, William Agnew, Maarten Sap, Sarah E. Fox, Haiyi Zhu

机构 * Carnegie Mellon University（卡内基梅隆大学） 纠错

专题命中 图像生成评测 ：diffusion(abstract)；分类 cs.CV

AI总结 本文研究了广泛用于训练视觉生成图像模型的LAION-Aesthetics预测器，揭示其在筛选图像数据时对女性描述的偏向性，以及其对西方艺术史中帝国和男性凝视的强化，呼吁转向更多元的审美评估。

Comments To Appear at FAccT 2026

Deepfakes: we need to re-think the concept of "real" images

深度伪造：我们需要重新思考“真实”图像的概念

Janis Keuper, Margret Keuper

机构 * Institute for Machine Learning and Analytics, Offenburg University（机器学习与分析研究所，奥芬堡大学） ； University of Mannheim（曼海姆大学） ； Max Planck Institute for Informatics, Saarland Informatics Campus（马克斯·普朗克信息研究所，萨尔兰州信息校区） 纠错

专题命中 图像生成评测 ：image generation(abstract)；分类 cs.CV

AI总结 本文指出当前“伪造”检测方法依赖过时的低分辨率“真实”图像数据集，呼吁重新定义“真实”图像并建立新基准数据集。

ML-Bench&Guard: Policy-Grounded Multilingual Safety Benchmark and Guardrail for Large Language Models

ML-Bench&Guard: 政策导向的多语言安全基准与大型语言模型的防护机制

Yunhan Zhao, Zhaorun Chen, Xingjun Ma, Yu-Gang Jiang, Bo Li

机构 * University of Illinois Urbana-Champaign（伊利诺伊大学厄巴纳-香槟分校） ； Fudan University（复旦大学） ； University of Chicago（芝加哥大学） 纠错

专题命中 图像生成评测 ：diffusion(abstract)

AI总结 本文提出ML-Bench和ML-Guard，通过区域法规构建多语言安全基准，并开发基于扩散模型的防护系统，实现文化与法律一致的多语言安全评估。

The Topology of Multimodal Fusion: Why Current Architectures Fail at Creative Cognition

多模态融合的拓扑学：为何当前架构在创造性认知上失败

Xiujiang Tan

机构 * Guangzhou Academy of Fine Arts（广州美术学院） 纠错

专题命中 图像生成评测 ：diffusion(abstract)

AI总结 本文指出当前多模态AI架构存在拓扑限制而非参数限制，通过哲学、认知科学和数学三个支柱提出多模态融合的拓扑学框架，提出UOO实现、ANALOGY-MM基准和META-TOP三阶基准，通过实验路线验证拓扑同构性。

Comments Expanded 11 technical improvements; 5 reference corrections; Appendix B pseudocode added. ~43 pages, 5 figures. Chinese philosophical terms romanized. Companion monograph available separately