差分プライバシーは、分析結果によって機密情報が明らかになりないようにすることで、個人データを保護します。 プライベート合成データセットを生成することは、あらゆる分析手法を民営化する代替手段を提供します。このアプローチでは、Gemini などの生成 AI モデルを使用して、元のデータを表すプライベートな合成データセットを作成します。このモデルは差分プライバシー手法を使用してトレーニングされ、合成データのプライバシーと代表性が確保されます。 この研究は、単純なデータ型の制限を克服して合成フォト アルバムを生成することに焦点を当てています。この方法では、画像データをテキストに変換したり、その逆に変換したりして、アルバム内のテーマの一貫性を維持します。 階層生成は、最初にアルバムを要約し、次に写真にキャプションを付けることで、一貫性とリソース効率が向上します。このテキストベースの中間アプローチには、画像の記述とデータのフィルタリングに利点があります。 この方法はYFCC100Mデータセットでテストされ、同様のアルバムテーマの作成における有効性が検証されました。 評価では、記述の MAUVE スコアとコンテンツのトピック分析を使用して類似性を評価しました。 この研究は、プライベート合成データの利点をより複雑な構造化データに拡張する方法を示しています。これは、データ要件とユーザーのプライバシーのバランスをとるための強力なソリューションを提供できます。開発されたアプローチは、さまざまな重要な業界にわたってプライバシーを保護する AI 開発への道を提供します。