論文の概要: T2T: Captioning Smartphone Activities Using Mobile Traffic

• arxiv url: http://arxiv.org/abs/2604.05642v1
• Date: Tue, 07 Apr 2026 09:44:27 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-04-08 17:42:09.747394
• Title: T2T: Captioning Smartphone Activities Using Mobile Traffic
• Title（参考訳）: T2T:モバイルトラフィックを利用したスマートフォンのアクティベーション
• Authors: Jiyu Liu, Yong Huang, Yanzhao Lu, Yun Tie, Wanqing Tu,
• Abstract要約: T2T(Traffic-to-Text)と呼ばれる新しいスマートフォン活動キャプションシステムについて紹介する。 T2Tは、低レベルのトラフィック特性を有意義な潜在特徴に変換するフロー特徴エンコーダと、読みやすい書き起こしを生成するキャプションデコーダから構成される。 実世界の2つの環境で収集された4万のトラフィック記述ペアに対するT2Tの評価を行った。
• 参考スコア（独自算出の注目度）: 1.4434424297917718
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: This paper studies the creation of textual descriptions of user activities and interactions on smartphones. Our approach of referring to encrypted mobile traffic exceeds traditional smartphone activity classification methods in terms of model scalability and output readability. The paper addresses two obstacles to the realization of this idea: the semantic gap between traffic features and smartphone activity captions, and the lack of textually annotated traffic data. To overcome these challenges, we introduce a novel smartphone activity captioning system, called T2T (Traffic-to-Text). T2T consists of a flow feature encoder that converts low-level traffic characteristics into meaningful latent features and a caption decoder to yield readable transcripts of smartphone activities. In addition, T2T achieves the automatic textual annotation of mobile traffic by feeding synchronized screen capture videos into the Qwen-VL-Max vision-language model, and proposing multi-stage losses for effective cross-model training. We evaluate T2T on 40,000 traffic-description pairs collected in two real-world environments, involving 8 smartphone users and 20 mobile apps. T2T achieves a BLEU-4 score of 58.1, a METEOR score of 38.3, a ROUGE-L score of 70.5, and a CIDEr score of 108.7. The quantitative and qualitative analyses show that T2T can generate semantically accurate captions that are comparable to the vision-language model.
• Abstract（参考訳）: 本稿では,スマートフォン上でのユーザ活動とインタラクションに関するテキスト記述の作成について検討する。 モバイルトラフィックを暗号化するアプローチは,モデルのスケーラビリティと出力可読性の観点から,従来のスマートフォンのアクティビティ分類手法を超えている。 本論文は,交通特徴とスマートフォンの行動キャプションのセマンティックなギャップと,テキストによる注釈付きトラフィックデータの欠如という,この概念を実現するための2つの障害に対処する。 これらの課題を克服するために、T2T(Traffic-to-Text)と呼ばれる新しいスマートフォン活動キャプションシステムを導入する。 T2Tは、低レベルの交通特性を有意義な潜在特徴に変換するフロー特徴エンコーダと、キャプションデコーダからなり、スマートフォンの動作の可読な書き起こしを生成する。 さらに、T2Tは、Qwen-VL-Max視覚言語モデルに同期されたスクリーンキャプチャ映像を供給し、効果的なクロスモデルトレーニングのための多段階の損失を提案することにより、モバイルトラフィックの自動テキストアノテーションを実現する。 実世界の2つの環境で収集された4万のトラフィック記述ペアに対するT2Tの評価を行った。 T2Tは、BLEU-4スコア58.1、METEORスコア38.3、ROUGE-Lスコア70.5、CIDErスコア108.7を達成する。 定量的および質的な分析により、T2Tは視覚言語モデルに匹敵する意味論的に正確なキャプションを生成できることが示された。

関連論文リスト

• TRANSPORTER: Transferring Visual Semantics from VLM Manifolds [56.749972238005604]
  本稿では,ビデオ生成のためのモデルに依存しないアプローチであるTransportERとともに,ロジット・トゥ・ビデオ(L2V)タスクを提案する。 TransporterはVLMの高セマンティック埋め込み空間への最適輸送結合を学習する。 代わりに、ロジットスコアは条件付きビデオ生成のための埋め込み方向を定義する。
  論文  参考訳（メタデータ） (2025-11-23T09:12:48Z)
• Mimir: Improving Video Diffusion Models for Precise Text Understanding [53.72393225042688]
  テキストは、ナラティブな性質のため、ビデオ生成におけるキーコントロールシグナルとして機能する。 近年の大規模言語モデル(LLM)の成功はデコーダのみのトランスフォーマーのパワーを示している。 この作業は、慎重に調整されたトークンフィーザーを備えたエンドツーエンドのトレーニングフレームワークであるMimirによる、この課題に対処する。
  論文  参考訳（メタデータ） (2024-12-04T07:26:44Z)
• ChatGen: Automatic Text-to-Image Generation From FreeStyle Chatting [18.002126814513417]
  ChatGen-Evoは、モデルに不可欠な自動化スキルを徐々に装備する多段階進化戦略である。 ChatGen-Evoは様々なベースラインのパフォーマンスを大幅に向上させる。
  論文  参考訳（メタデータ） (2024-11-26T07:31:12Z)
• InTraGen: Trajectory-controlled Video Generation for Object Interactions [100.79494904451246]
  InTraGenは、オブジェクトインタラクションシナリオのトラジェクトリベースの生成を改善するパイプラインである。 その結果,視覚的忠実度と定量的性能の両面での改善が示された。
  論文  参考訳（メタデータ） (2024-11-25T14:27:50Z)
• Automated Black-box Prompt Engineering for Personalized Text-to-Image Generation [149.96612254604986]
  PRISMは人間の解釈可能なプロンプトを自動生成するアルゴリズムである。 大規模言語モデル(LLM)のジェイルブレイクにインスパイアされたPRISMは、LLMのコンテキスト内学習能力を活用して、候補のプロンプト分布を反復的に洗練する。 本実験は,複数のT2Iモデルのオブジェクト,スタイル,画像の正確なプロンプトを生成する上で,PRISMの有効性と有効性を示すものである。
  論文  参考訳（メタデータ） (2024-03-28T02:35:53Z)
• BjTT: A Large-scale Multimodal Dataset for Traffic Prediction [49.93028461584377]
  従来の交通予測手法は、交通トレンドを予測するために、過去の交通データに依存している。 本研究では,交通システムを記述するテキストと生成モデルを組み合わせることで,交通生成にどのように応用できるかを考察する。 本稿では,テキスト・トラフィック生成のための最初の拡散モデルChatTrafficを提案する。
  論文  参考訳（メタデータ） (2024-03-08T04:19:56Z)
• ChatTraffic: Text-to-Traffic Generation via Diffusion Model [45.82932883802526]
  従来の交通予測手法は、交通トレンドを予測するために、過去の交通データに依存している。 本研究では,交通システムを記述するテキストと生成モデルを組み合わせることで,交通生成にどのように応用できるかを考察する。 本稿では,テキスト・トラフィック生成のための最初の拡散モデルChatTrafficを提案する。
  論文  参考訳（メタデータ） (2023-11-27T08:52:10Z)

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。