著作权法中实质性相似侵权的司法判定方式研究 ——基于指导性案例81号与“琼瑶诉于正”案的对比分析

来源 :山东大学 | 被引量 : 0次 | 上传用户:furuirui
下载到本地 , 更方便阅读
声明 : 本文档内容版权归属内容提供方 , 如果您对本文有版权争议 , 可与客服联系进行内容授权或下架
论文部分内容阅读
在新技术不断涌现,文化市场愈加繁荣的背景下,如何更好地通过法律保护著作权,打击侵权行为,维护好个人利益与社会公共利益的平衡是亟待解决的问题。作品相似侵权现象是该问题的集中体现之一。侵权类案件的重要环节之一是对于行为性质的判定。对于著作权侵权行为的认定历来是司法实践中的难点,原因在于案件本身所涉作品的复杂性、当前立法缺乏具体判定规则以及个人利益与社会公共利益的平衡把握。在长期的学理研究与司法实践中,对面对著作权侵权纠纷,中国基本形成了以“思想表达二分原理”、“独创性理论”为学理基础,以“实质性相似加接触”为侵权判定方法。但由于缺乏统一、具体的判定标准与方法,在不同理念、不同认知的影响下,法官们在实践中采用了不同的判断实质性相似的方法,这对维护著作权人的合法权益,维护我国司法统一都产生不利影响。本文将以近年来著作权领域涉及相似侵权的两个典型案例——指导性案例81号与“琼瑶诉于正案”——为分析样本,结合相关理论研究,通过对比两案分析不同判决结果产生的原因,以此深入探讨在司法实践中,判定是否构成实质性相似侵权的方式。论文在引言部分对两样本案例进行了介绍,主体共划分为四个部分,从理论梳理到现状阐述再到对比分析,最终得出较为可行的结论。第一部分对现有基础理论与概念进行梳理。思想与表达的二分原理与作品独创性是著作权的理论基础,利益衡量作为一种基本立场在著作权领域起到了重要作用,三者都是处理著作权侵权案件的基础。此外,本部分还对文章所涉基础概念“实质性相似”进行界定,为研究打下基础。第二部分围绕当前著作权法中实质相似侵权判断存在的问题展开。在立法上,相关基础理论未得到法定化,相关规定的模糊性为审理此类案件带来了困难;在司法上,由于缺乏统一法律与理论的指导,法官在自由裁量中采用不同的司法判定方式,带来了不利影响。第三部分从三个方面对两样本案例的具体内容进行分析,为提出具有指导性的司法判定方式提供支持。三方面分别为:作品受保护范围的划定方式、对受保护作品要素进行实质性相似判断的方式、其他因素,其他因素中包含构成实质性相似部分的“质”“量”所带来的影响、“受众体验”、利益衡量与对判决社会效果预测。第四部分以上述理论、分析为基础,尝试提出司法实践中实质相似侵权判定的具体方式:判定的基本步骤为要素抽象、过滤排除、对比分析、数量考察,同时,辅之以“受众体验”考察作品整体。在此过程中应妥善应对作为抗辩理由的合理使用,引入社会学解释预测相应的社会效果,对各方利益进行全面衡量,最终方可做出合法、合理的裁量。
其他文献
基于人体骨架序列的动作识别是人工智能应用范畴中一个热门且非常具备应用性的研究问题。目前,该问题在视频监管、体感游戏、病人监护、无人安防、人机互动、机器作业等领域有着大量的应用。随着人体骨架数据获取设备及动作捕获传感器的发展,传感器可以有效地获得动态人体骨架序列。因此,迫切须要设计一个能够充分且合理利用人体骨架序列的动作识别算法。人体骨架序列充分表示了人体信息的时空特征表示,但初始的人体骨架序列往往
在如核电运行维护、大飞机生产制造等工业领域中,存在大量操作流程复杂、工作强度大、灵活性要求高、难以实现机械化与自动化的工作任务,执行这些任务只能依靠人为操作。在作业执行过程中,作业人员的工作效率与人身安全难以保证。因此,能够与人协同运动,实现部分作业任务自动化的外肢体辅助机器人成为解决上述问题的新型技术手段。外肢体辅助机器人是一个多工况、多任务空间的高维系统,针对该系统的多任务运动规划与控制方法是
当今时代,随着计算机软件技术的飞速发展,人们越来越依赖于各种计算机软件来方便的处理事务,各种各样的软件也是不断地推陈出新。在软件开发过程中,开发人员经常会重复使用大量第三方库函数。对于逆向分析工作来说,准确地识别在软件中复用的库函数具有重要意义,例如检测已知漏洞、对恶意软件进行反向分析等。如果能够使用自动化的方法有效标记出各种复用的库函数,就可以显著提高软件逆向分析的效率,减轻逆向分析人员负担,并
当今社会,随着互联网的迅速发展,来自互联网、工业生产、企业内部的数据成为了一项重要资产,迸发出巨大的商业价值,而企业需要掌控这些数据来赢得机遇、抢占商机。因此,它们迫切需要运用大数据分析技术挖掘其背后的规律并加以利用,从而为企业提供更有价值的信息,以便在市场竞争中夺得先机。同时,企业对数据分析应用的多样性需求,为数据分析平台的快速开发、重构与即时运维技术带来了巨大挑战,需要针对不同数据分析的应用层
基于卷积神经网络(CNNs)的多任务学习方法在计算机视觉的各种应用中取得了显著的成功,是目前重点关注的研究方向之一。多任务卷积神经网络是在单任务模型结构保持不变的情况下,学习多个任务的共享表示,该共享表示适用于不同但相关任务的训练目标,使多任务模型更具有泛化能力。随之各任务分支拟合各自输出,从而完成多个任务的联合预测,并取得整体性能的提升。对于有效的多任务卷积神经网络方法,最近的研究均是通过自动学
为满足空间大轨道转移任务要求,基于电推进系统液氪低温推进剂在轨长期贮存的应用需求,从低温推进剂贮箱壳体材料、贮箱热防护技术、微重力环境下贮箱内气液分离和流体管理等四方面入手,聚焦于国内外相关研究进展,总结了关键技术的发展现状,结合氪工质贮存要求进行了分析,旨在为电推进系统液氪贮箱设计提供参考。
根据单张图像估计深度信息是计算机视觉领域的经典问题,也是一项具有挑战的难题。在传统的计算机视觉中,由于单目图像的尺度不确定性,导致根据单目图像无法计算深度值,仅能通过双目图像计算出稀疏深度值。目前,基于深度学习技术的单目深度估计方法成为了研究热点。基于监督学习的单目深度估计方法通常需要依赖大量的真实深度标签用于模型训练,然而获取真实深度的成本是非常高昂的。基于无监督学习的单目深度估计通常根据双目图
图像分辨率越高通常意味着图像拥有更多的细节,更高的清晰度以及更好的视觉感受。高分辨率的医学图像有助于医生的诊断;高分辨率的监控图像有利于犯罪行为的识别和追踪;高分辨率的视频可以带来良好的观影体验。但是图像的分辨率往往受到设备精度、环境、信息传输效率等因素的制约。如何在这些因素的制约下获得高分辨率图像有着重要的意义。这类通过模糊的低分辨率图像恢复高分辨率图像的算法统称为图像超分辨率算法,其难点在于图
头部姿态估计(确定人体头部相对于摄像机视图的方向)的研究在计算机视觉领域是一项长期的研究课题,头部姿态估计在视线估计、注意力建模、三维模型与视频的拟合、人脸定位等方面有着广泛的应用。在过去的二十年中,头部姿态的研究推动了三维重建的视觉技术以及多媒体内容操作的发展,在与用户交互方面发挥了重要作用。它广泛应用于注意力检测模型,司机行驶监控,课堂智能管理与人脸识别等领域。本文研究的主要问题是对于头部姿态
近年来,拍摄设备的日渐普及,图片的采集途径也变得简单,图像中包含大量信息,数据传输存储的方式由过去的文本格式逐渐向转图像、视频等新型媒体格式转换,图像中的信息通过像素的方式展示,用户理解更加直观,而对于计算机而言,去理解图像中所包含的内容有着重要的意义,图像中出现文本内容具有高度的标识性,与图像所示内容具有强关联度,文本信息包含的高层语义信息对于图像的理解有重要作用。人工智能算法的发展,需要大量数