論文の概要: Evaluating Contextual Intelligence in Recyclability: A Comprehensive Study of Image-Based Reasoning Systems
- arxiv url: http://arxiv.org/abs/2601.00905v1
- Date: Wed, 31 Dec 2025 21:42:32 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-01-06 16:25:21.84029
- Title: Evaluating Contextual Intelligence in Recyclability: A Comprehensive Study of Image-Based Reasoning Systems
- Title（参考訳）: リサイクル性におけるコンテキストインテリジェンスの評価:画像に基づく推論システムに関する総合的研究
- Authors: Eliot Park, Abhi Kumar, Pranav Rajpurkar,
- Abstract要約: 本研究は, 近縁視覚言語モデルを用いて, 一般に廃棄された商品のリサイクル性を予測することを目的とした。
対象物を適切なリサイクル容器に適合させる能力を評価するとともに、利用可能な容器に物理的に適合するかどうかを評価する。
本研究は,これらのモデルが提示した文脈理解の進歩を,過去の繰り返しと比較して明らかにした。
- 参考スコア（独自算出の注目度）: 1.9437590375121516
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: While the importance of efficient recycling is widely acknowledged, accurately determining the recyclability of items and their proper disposal remains a complex task for the general public. In this study, we explore the application of cutting-edge vision-language models (GPT-4o, GPT-4o-mini, and Claude 3.5) for predicting the recyclability of commonly disposed items. Utilizing a curated dataset of images, we evaluated the models' ability to match objects to appropriate recycling bins, including assessing whether the items could physically fit into the available bins. Additionally, we investigated the models' performance across several challenging scenarios: (i) adjusting predictions based on location-specific recycling guidelines; (ii) accounting for contamination or structural damage; and (iii) handling objects composed of multiple materials. Our findings highlight the significant advancements in contextual understanding offered by these models compared to previous iterations, while also identifying areas where they still fall short. The continued refinement of context-aware models is crucial for enhancing public recycling practices and advancing environmental sustainability.
- Abstract（参考訳）: 効率的なリサイクルの重要性は広く認識されているが、商品のリサイクル可能性とその適切な処理を正確に判断することは、一般市民にとって複雑な課題である。
本研究では, 最先端視覚言語モデル(GPT-4o, GPT-4o-mini, Claude 3.5)を用いて, 一般に廃棄されている商品のリサイクル性を予測する。
画像のキュレートされたデータセットを用いて、対象物と適切なリサイクルビンをマッチングする能力を評価し、利用可能なビンに物理的に適合するかどうかを評価した。
さらに、いくつかの困難なシナリオでモデルの性能を調査した。
一 場所別リサイクルガイドラインに基づく予測の調整
二 汚染又は構造的損害の理由
三 複数の材料からなる物を扱うこと。
以上の結果から,これらのモデルが提示した文脈理解の進歩が,従来の繰り返しに比べて顕著であるとともに,まだ不足している領域も特定できることがわかった。
文脈対応モデルの継続的な改良は、公共リサイクルの実践の強化と環境の持続可能性向上に不可欠である。
関連論文リスト
- Optimizing Shanghai's Household Waste Recycling Collection Program by Decision-Making based on Mathematical Modeling [2.710486998959315]
解析的階層化プロセス(Analytical Hierarchy Process)という,古典的数学的多基準決定モデルの鮮明かつ包括的な応用について述べる。
また, 廃棄物リサイクルの重要な要素を評価することにより, 人社会の持続可能性向上の鍵となる基準も追求する。
論文 参考訳（メタデータ） (2025-07-05T00:13:52Z) - Advancing Recycling Efficiency: A Comparative Analysis of Deep Learning Models in Waste Classification [0.0]
本研究は, 各種深層学習モデルの解析により, リサイクルにおける廃棄物分類の押し付け問題に取り組む。
以上の結果から, 複雑な廃棄物カテゴリの精度が著しく向上することが示唆された。
この研究は, 多カテゴリー廃棄物リサイクルの今後の発展への道を開くものである。
論文 参考訳（メタデータ） (2024-11-05T03:44:54Z) - A Survey on All-in-One Image Restoration: Taxonomy, Evaluation and Future Trends [67.43992456058541]
画像復元(IR)は、ノイズ、ぼかし、圧縮、悪天候など幅広い要因によって生じる劣化した観察から高品質な画像の復元を目指している。
従来のIR法は、個々の劣化タイプを対象とすることで顕著な進歩を遂げてきたが、それらの特殊化は、しばしば一般化のコストがかかる。
オールインワンのイメージ復元パラダイムが最近登場し、複数の劣化タイプに順応的に対処する統一されたフレームワークを提供している。
論文 参考訳（メタデータ） (2024-10-19T11:11:09Z) - Optimizing Waste Management with Advanced Object Detection for Garbage Classification [1.3499500088995462]
本稿では,オブジェクト検出によるゴミの分類のためのAIモデルの実装についてレビューする。
この研究は、YOLO V5がプラスチック、紙、ガラス、金属、段ボール、生分解性物質など、様々な種類の廃棄物を効果的に識別する方法を実証している。
論文 参考訳（メタデータ） (2024-10-13T19:32:01Z) - Virtual Mines -- Component-level recycling of printed circuit boards using deep learning [4.849820402342814]
仮想鉱山」という概念は、生物の終末品から興味深い原料を効率よく回収する生産サイクルを指す。
本稿では, 回路基板を部品レベルでリサイクルする深層学習モデルに基づくパイプラインについて述べる。
ローカルに開発されたデータセットの結果を分析するために、事前トレーニングされたYOLOv5モデルが使用される。
論文 参考訳（メタデータ） (2024-06-24T22:29:30Z) - SpectralWaste Dataset: Multimodal Data for Waste Sorting Automation [46.178512739789426]
本稿では, 廃棄物処理施設から収集した最初のデータセットであるSpectralWasteについて紹介する。
このデータセットには、分類植物によく見られるいくつかのカテゴリのオブジェクトのラベルが含まれている。
異なるオブジェクトセグメンテーションアーキテクチャを用いたパイプラインを提案し,その代替案をデータセット上で評価する。
論文 参考訳（メタデータ） (2024-03-26T18:39:38Z) - ZeroWaste Dataset: Towards Automated Waste Recycling [51.053682077915546]
産業レベルの廃棄物検出・分別データセットZeroWasteについて述べる。
このデータセットには、実際の廃棄物処理工場から収集された1800以上のビデオフレームが含まれている。
最先端のセグメンテーション手法では,対象物を正しく検出・分類することが困難であることを示す。
論文 参考訳（メタデータ） (2021-06-04T22:17:09Z) - Mutual Information Maximization for Robust Plannable Representations [82.83676853746742]
モデルに基づく強化学習のための情報理論表現学習アルゴリズムMIROを提案する。
提案手法は, 邪魔や散らかったシーンの存在下で, 再建目的よりも頑健であることを示す。
論文 参考訳（メタデータ） (2020-05-16T21:58:47Z)
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。