AI 생성 이미지에서 나타나는 여성 성적 대상화 편향

Abstract

This study examines whether women are represented in sexually objectified ways in AI-generated images and whether such representations differ by racial condition. Using SDXL base 1.0, a total of 400 human images were generated under four conditions: East Asian woman, White American woman, East Asian man, and White American man. The study combined human coding and CLIP embedding analysis to examine sexual objectification and submissiveness at the levels of visual representation and semantic association. The results show that female and male images differed in indicators related to sexual objectification, and that East Asian woman images showed higher levels of submissiveness than White American woman images. The results of human coding and CLIP embedding analysis did not fully align for some hypotheses, suggesting that bias in AI-generated images may appear not only through visible visual features but also through conceptual associations in semantic space. This study shows that sexual objectification bias in AI-generated images cannot be fully understood through a single visual indicator alone. It is necessary to examine both visual representation and semantic association. By showing that the sexual objectification of women may intersect with gendered and racialized structures of representation, this study provides empirical insights for research on generative AI image bias and AI fairness.;본 연구는 AI 생성 이미지에서 여성이 성적 대상화된 방식으로 재현되는지를 살펴보고, 이러한 재현이 인종 조건에 따라 차이를 보이는지를 분석하였다. 이를 위해 SDXL base 1.0을 사용하여 동아시아 여성, 미국 백인 여성, 동아시아 남성, 미국 백인 남성의 네 조건에서 총 400장의 인물 이미지를 생성하였다. 이후 인간 코딩과 CLIP embedding 분석을 결합하여, 생성 이미지의 성적 대상화와 순종성을 시각적 재현 차원과 의미적 연관 차원에서 검토하였다. 분석 결과, 여성 이미지와 남성 이미지는 성적 대상화 관련 지표에서 차이를 보였으며, 동아시아 여성 이미지는 미국 백인 여성 이미지보다 순종성 지표에서 더 높은 수준을 보였다. 또한 인간 코딩 결과와 CLIP embedding 분석 결과는 일부 가설에서 완전히 일치하지 않았는데, 이는 AI 생성 이미지의 편향이 가시적인 시각적 특징뿐 아니라 의미 공간의 개념적 연관으로도 나타날 수 있음을 시사한다. 본 연구는 AI 생성 이미지에서 나타나는 여성 성적 대상화 편향을 단일한 시각적 지표만으로 판단하기 어렵고, 시각적 재현 방식과 의미적 연관을 함께 검토할 필요가 있음을 보여준다. 또한 여성 성적 대상화 문제가 성별화되고 인종화된 재현 구조와 결합될 수 있음을 제시함으로써, 생성형 AI 이미지 편향과 AI 공정성 논의에 경험적 참고를 제공한다.