論文の概要: Is Nano Banana Pro a Low-Level Vision All-Rounder? A Comprehensive Evaluation on 14 Tasks and 40 Datasets

• arxiv url: http://arxiv.org/abs/2512.15110v1
• Date: Wed, 17 Dec 2025 06:02:25 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-12-18 17:06:26.868104
• Title: Is Nano Banana Pro a Low-Level Vision All-Rounder? A Comprehensive Evaluation on 14 Tasks and 40 Datasets
• Title（参考訳）: Nano Banana Proは低レベル視界オールローダーか?14タスクと40データセットの総合的評価
• Authors: Jialong Zuo, Haoyou Deng, Hanyu Zhou, Jiaxin Zhu, Yicheng Zhang, Yiwei Zhang, Yongxin Yan, Kaixing Huang, Weisen Chen, Yongtai Deng, Rui Jin, Nong Sang, Changxin Gao,
• Abstract要約: ナノバナナプロは低レベル視界オールローダーか? 我々はNano Banana Proを最先端のスペシャリストモデルと比較した。 本報告では,Nano Banana Proを低レベル視覚タスクのゼロショット競合として認識する。
• 参考スコア（独自算出の注目度）: 49.79843541051401
• License: http://creativecommons.org/licenses/by-sa/4.0/
• Abstract: The rapid evolution of text-to-image generation models has revolutionized visual content creation. While commercial products like Nano Banana Pro have garnered significant attention, their potential as generalist solvers for traditional low-level vision challenges remains largely underexplored. In this study, we investigate the critical question: Is Nano Banana Pro a Low-Level Vision All-Rounder? We conducted a comprehensive zero-shot evaluation across 14 distinct low-level tasks spanning 40 diverse datasets. By utilizing simple textual prompts without fine-tuning, we benchmarked Nano Banana Pro against state-of-the-art specialist models. Our extensive analysis reveals a distinct performance dichotomy: while \textbf{Nano Banana Pro demonstrates superior subjective visual quality}, often hallucinating plausible high-frequency details that surpass specialist models, it lags behind in traditional reference-based quantitative metrics. We attribute this discrepancy to the inherent stochasticity of generative models, which struggle to maintain the strict pixel-level consistency required by conventional metrics. This report identifies Nano Banana Pro as a capable zero-shot contender for low-level vision tasks, while highlighting that achieving the high fidelity of domain specialists remains a significant hurdle.
• Abstract（参考訳）: テキスト・画像生成モデルの急速な進化は、視覚コンテンツ作成に革命をもたらした。 Nano Banana Proのような商用製品は大きな注目を集めているが、従来の低レベルのビジョン課題に対するジェネラリストの解決者としての可能性は、いまだに未熟である。 本研究では,Nano Banana Proは低レベル視界オールローダーか? 我々は、40の多様なデータセットにまたがる14の異なる低レベルタスクに対して、包括的なゼロショット評価を行った。 簡単なテキストプロンプトを微調整なしで利用することにより、Nano Banana Proを最先端のスペシャリストモデルと比較した。 私たちの広範な分析では、パフォーマンスの2分法が明らかになっている: \textbf{Nano Banana Proは、優れた主観的視覚的品質を示す。 この違いは、従来のメトリクスで要求される厳密なピクセルレベルの一貫性を維持するのに苦労する生成モデルの固有確率性に起因する。 本報告では、Nano Banana Proを低レベルのビジョンタスクのゼロショット競争力のある候補とみなし、ドメインスペシャリストの信頼性の高い達成は依然として大きなハードルである、と強調する。

関連論文リスト

• Zero-shot Shape Classification of Nanoparticles in SEM Images using Vision Foundation Models [0.9466841964978984]
  形状分類のための従来のディープラーニング手法は、広範囲なラベル付きデータセットと計算的な訓練を必要とする。 本研究では,2つの視覚基盤モデルを利用したゼロショット分類パイプラインを提案する。 我々は3つの形態学的に多様なナノ粒子データセットにまたがる高精度な形状分類を実現する。
  論文  参考訳（メタデータ） (2025-08-05T09:03:56Z)
• NbBench: Benchmarking Language Models for Comprehensive Nanobody Tasks [6.485214172837228]
  我々は,ナノボディ表現学習のための最初の総合ベンチマークスイートであるNbBenchを紹介する。 NbBenchは構造アノテーション、バインディング予測、開発可能性評価を含む。 解析の結果,抗体言語モデルでは抗原関連タスクが優れており,熱安定性や親和性などの回帰タスクのパフォーマンスは依然として困難であることが判明した。
  論文  参考訳（メタデータ） (2025-05-04T08:18:10Z)
• Not just Birds and Cars: Generic, Scalable and Explainable Models for Professional Visual Recognition [20.56973599145523]
  本稿では,プロの視覚認識タスクを解くために,スケーラブルで説明可能なモデルを設計することを目的とする。 生物にインスパイアされたPro-NeXt構造を導入し、Pro-NeXtが様々な専門分野にまたがるかなりの一般化性を示すことを示した。
  論文  参考訳（メタデータ） (2024-03-08T22:31:31Z)
• Data-efficient Large Vision Models through Sequential Autoregression [58.26179273091461]
  限られたデータセットに基づいて,効率的な自己回帰に基づく視覚モデルを構築する。 このモデルは,高レベル・低レベルのセマンティック理解の両方にまたがる視覚的タスクにおいて,その習熟度をいかに達成するかを実証する。 我々の経験的評価は、モデルが様々なタスクに適応する際の機敏さを強調し、パラメータフットプリントの大幅な削減を図った。
  論文  参考訳（メタデータ） (2024-02-07T13:41:53Z)
• MMBench: Is Your Multi-modal Model an All-around Player? [114.45702807380415]
  視覚言語モデルのマルチモーダル能力を評価するためのベンチマークであるMMBenchを提案する。 MMBenchは、よく設計された品質制御スキームで慎重にキュレートされている。 MMBenchは英語版と中国語版の両方で複数の質問を取り入れている。
  論文  参考訳（メタデータ） (2023-07-12T16:23:09Z)
• Neural PCA for Flow-Based Representation Learning [42.19990907848274]
  本稿では,既存の正規化フローが下流タスクに効果的な表現を提供するかどうかを検討する。 本稿では,主成分を順に捉えながら全次元で動作するニューラルプリンシパル成分分析(Neural-PCA)を提案する。 ラベル情報を利用せずに、回収された主成分は、最も情報に富んだ要素をエンフリーディングの次元に格納し、エンフリーリングの要素に無視できるままにしておく。
  論文  参考訳（メタデータ） (2022-08-23T06:18:44Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。