論文の概要: Personal Visual Memory from Explicit and Implicit Evidence

• arxiv url: http://arxiv.org/abs/2605.28806v1
• Date: Wed, 27 May 2026 17:56:11 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-05-28 17:38:56.262692
• Title: Personal Visual Memory from Explicit and Implicit Evidence
• Title（参考訳）: 明示的・暗黙的証拠からの個人的視覚記憶
• Authors: Viet Nguyen, Thao Nguyen, Vishal M. Patel, Yuheng Li,
• Abstract要約: パーソナライズされたAIエージェントにとって、長期記憶はますます重要である。 既存のベンチマークとメソッドは、主にテキスト中心のままである。 VisualMemは、テキストメモリバックエンドを構造化されたパーソナル・ビジュアル・メモリモジュールで拡張するハイブリッド・ビジュアル・テキスト・アーキテクチャである。
• 参考スコア（独自算出の注目度）: 64.95933636732191
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Long-term memory is increasingly important for personalized AI agents, yet existing benchmarks and methods remain largely text-centric. Even when images are included, the user-specific information needed for later questions is typically recoverable from text alone, and most memory systems reduce image turns to generic captions. Yet images often carry personal information that text rarely states -- both explicit evidence, such as recurring user-associated entities, and implicit evidence, such as latent user facts inferred from visual or multimodal cues. We introduce a benchmark for personal visual memory that targets both forms of evidence, and propose VisualMem, a hybrid visual--text architecture that augments a text-memory backend with a structured personal visual memory module. Rather than collapsing images into captions, VisualMem uses conversational context to resolve identity, ownership, and durable user facts. Experiments show that VisualMem substantially outperforms prior memory systems on our benchmark while remaining competitive on standard text-memory benchmarks, indicating that personal visual memory is a distinct and important component of long-term memory for personalized AI agents.
• Abstract（参考訳）: パーソナライズされたAIエージェントでは、長期記憶がますます重要になるが、既存のベンチマークやメソッドはテキスト中心のままである。 画像を含む場合でも、後続の質問に必要なユーザ固有の情報はテキストのみから復元可能であり、ほとんどのメモリシステムは画像のターンを一般的なキャプションに還元する。 しかし、画像には、テキストがほとんど書かれない個人情報 -- ユーザ関連エンティティの繰り返しのような明示的な証拠と、視覚的あるいはマルチモーダル的な手がかりから推測される潜伏したユーザ事実のような暗黙的な証拠の両方がある。 両形態のエビデンスをターゲットとしたパーソナル・ビジュアル・メモリのベンチマークを導入し、構造化されたパーソナル・ビジュアル・メモリ・モジュールでテキスト・メモリ・バックエンドを増強するハイブリッド・ビジュアル・テキスト・アーキテクチャであるVisualMemを提案する。 VisualMemはイメージをキャプションにまとめるのではなく、会話のコンテキストを使ってアイデンティティやオーナシップ、耐久性のあるユーザ事実を解決している。 実験によると、VisualMemは、標準のテキストメモリベンチマークで競争力を維持しながら、我々のベンチマークにおける以前のメモリシステムを大幅に上回っており、パーソナライズされたAIエージェントにとって、パーソナルビジュアルメモリは、長期的なメモリの重要なコンポーネントであることを示している。

関連論文リスト

• MemGuard: Preventing Memory Contamination in Long-Term Memory-Augmented Large Language Models [56.31411457917676]
  本稿では,メモリ構築と検索において,機能的メモリ境界を保存するタイプアウェアメモリフレームワークであるMemGuardを紹介する。 幻覚と長期会話のベンチマーク全体で、MemGuardはメモリの信頼性を最大28.27%向上し、メモリトークンは以前の方法より5.8倍少ない。
  論文  参考訳（メタデータ） (2026-05-27T06:04:19Z)
• Personalize-then-Store: Benchmarking and Learning Personalized Memory for Long-horizon Agents [20.22872890297194]
  既存の大規模言語モデル(LLM)ベースのメモリシステムは、基本的な現実を覆い隠す、普遍的で静的なポリシーを適用している。 パーソナライズされたメモリシステムを評価するための最初のベンチマークであるPerMemBenchを紹介する。 本稿では,過渡セッションのメモリ操作を選択的にバイパスする軽量フレームワークであるセッションレベルのストレージゲーティングを提案する。
  論文  参考訳（メタデータ） (2026-05-25T07:48:33Z)
• MemEye: A Visual-Centric Evaluation Framework for Multimodal Agent Memory [80.97855900579512]
  既存の評価では、エージェントが後続の推論に必要な視覚的証拠を保存するかどうかを検査することはめったにない。 メモリ性能を2次元から評価するフレームワークであるMemEyeを紹介する。 本フレームワークでは,8つのライフシナリオタスクにまたがる新しいベンチマークを構築した。
  論文  参考訳（メタデータ） (2026-05-14T17:37:52Z)
• OCR-Memory: Optical Context Retrieval for Long-Horizon Agent Memory [12.240259398680259]
  OCR-Memoryは、エージェント体験の高密度表現として視覚的モダリティを活用するメモリフレームワークである。 OCR-Memoryは、Emphlocate-and-transcribeパラダイムを通じて格納されたエクスペリエンスを検索し、視覚アンカーを通じて関連する領域を選択し、対応する動詞のテキストを検索する。
  論文  参考訳（メタデータ） (2026-04-29T12:49:30Z)
• AdaMem: Adaptive User-Centric Memory for Long-Horizon Dialogue Agents [49.63422082885992]
  長軸対話エージェントのための適応型ユーザ中心メモリフレームワークであるAdaMemを提案する。 AdaMemは対話履歴をワーキング、エピソディック、ペルソナ、グラフメモリに整理する。 LoCoMo と PERSONAMEM ベンチマーク上での AdaMem の評価を行った。
  論文  参考訳（メタデータ） (2026-03-17T13:22:54Z)
• According to Me: Long-Term Personalized Referential Memory QA [27.402232752643275]
  ATM-Benchはマルチモーダル、マルチソースパーソナライズされた参照メモリQAのための最初のベンチマークである。 ガイドメモリ(SGM)は、異なるソースから派生したメモリアイテムを構造的に表現する。 ATM-Bench-Hardセットでは性能が(20%の精度で)低いことが分かりました。
  論文  参考訳（メタデータ） (2026-03-02T15:42:29Z)
• OP-Bench: Benchmarking Over-Personalization for Memory-Augmented Personalized Conversational Agents [55.27061195244624]
  オーバーパーソナライゼーションを3つのタイプに分類する。 エージェントは不要な場合でも、ユーザメモリを取得およびオーバーアタッチする傾向があります。 我々の研究は、メモリ拡張対話システムにおいて、より制御可能で適切なパーソナライズに向けた最初の一歩を踏み出した。
  論文  参考訳（メタデータ） (2026-01-20T08:27:13Z)
• WorldMM: Dynamic Multimodal Memory Agent for Long Video Reasoning [66.24870234484668]
  我々は,複数の相補的記憶から構築・取得する,新しいマルチモーダルメモリエージェント WorldMM を紹介する。 WorldMMは5つの長いビデオ質問回答ベンチマークで既存のベースラインを大幅に上回っている。
  論文  参考訳（メタデータ） (2025-12-02T05:14:52Z)
• MemWeaver: A Hierarchical Memory from Textual Interactive Behaviors for Personalized Generation [12.075641773020152]
  本稿では,ユーザのテキスト履歴全体を階層記憶に織り込み,パーソナライズされた生成を行うフレームワークを提案する。 MemWeaverは、時間情報と意味情報を統合した2つの補完的なメモリコンポーネントを構築している。
  論文  参考訳（メタデータ） (2025-10-09T02:47:21Z)

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。