論文の概要: Text-to-Image Generative AI for Modeling and Simulation: Methods, Opportunities, and Applications

• arxiv url: http://arxiv.org/abs/2606.20991v1
• Date: Thu, 18 Jun 2026 23:48:32 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-06-26 11:20:42.502009
• Title: Text-to-Image Generative AI for Modeling and Simulation: Methods, Opportunities, and Applications
• Title（参考訳）: モデリングとシミュレーションのためのテキスト間生成AI:方法,機会,応用
• Authors: Philippe J. Giabbanelli,
• Abstract要約: テキスト・ツー・イメージ生成(Text-to-image generation)は、テキスト記述を画像に変換する生成人工知能(GenAI)の一種である。 本チュートリアルでは、モデリングとシミュレーション(M&S)コミュニティにテキスト・ツー・イメージ生成を紹介する。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by-nc-nd/4.0/
• Abstract: Text-to-image generation is a form of generative artificial intelligence (GenAI) that converts textual descriptions into images. Most applications of GenAI in modeling and simulation (M&S) have focused on large language models for documentation, coding, or explanation. By contrast, the potential of image generation remains largely unexplored. This tutorial introduces text-to-image generation to the M&S community and details how it can support several M&S tasks, including communicating conceptual models, visualizing simulation outcomes, generating educational materials, and interfacing heterogeneous models in multi-scale simulations. The tutorial combines conceptual guidance with practical workflows, explaining how modern image generators operate, how prompts and simulation outputs can be translated into visual scenes, and how practitioners can integrate these tools into reproducible local pipelines. By focusing on transferable principles rather than specific tools, the tutorial equips M&S practitioners with the knowledge needed to evaluate, adopt, and adapt text-to-image generation in their simulation workflows.
• Abstract（参考訳）: テキスト・ツー・イメージ生成(Text-to-image generation)は、テキスト記述を画像に変換する生成人工知能(GenAI)の一種である。 モデリングとシミュレーション(M&S)におけるGenAIのほとんどの応用は、ドキュメント、コーディング、説明のための大きな言語モデルに焦点を当てている。 対照的に、画像生成の可能性はほとんど解明されていない。 本チュートリアルでは、M&Sコミュニティにテキスト・ツー・イメージ生成を導入し、概念モデルの伝達、シミュレーション結果の可視化、教材の生成、マルチスケールシミュレーションにおける異種モデルとの対面など、いくつかのM&Sタスクをどのようにサポートできるかを詳述する。 このチュートリアルでは、概念的なガイダンスと実践的なワークフローを組み合わせることで、現代的なイメージジェネレータの動作方法、プロンプトとシミュレーションアウトプットの視覚的なシーンへの変換方法、これらのツールを再現可能なローカルパイプラインに統合する方法について説明している。 特定のツールではなく、伝達可能な原則に焦点を当てることで、チュートリアルはM&S実践者に、シミュレーションワークフローでテキスト・ツー・イメージの生成を評価し、導入し、適応するために必要な知識を与える。

関連論文リスト

• Coding the Visual World: From Image to Simulation Using Vision Language Models [2.6034777771586946]
  本研究では,視覚言語モデル(VLM)による画像内のシステム認識とシミュレートの能力について検討する。 VLMは現実世界のシステムの自然なイメージを与えられ、システムを記述し、それをシミュレートして生成するコードを書く。 このアプローチは、物理的システム(波、光、雲)から植生、都市、材料、地質形成まで、様々な複雑な創発システムでテストされている。
  論文  参考訳（メタデータ） (2026-01-08T19:49:05Z)
• Janus-Pro-R1: Advancing Collaborative Visual Comprehension and Generation via Reinforcement Learning [92.57052246970254]
  視覚的理解と生成の協調的共進化を可能にすることを提案する。 教師付き微調整は、真のCoTを生成する基礎的な能力を持つMLLMを指導する。 画像生成におけるAhaモーメントを解き、テキスト・ツー・イメージタスクから統合画像生成へMLLMを前進させる。
  論文  参考訳（メタデータ） (2025-06-02T09:39:28Z)
• Cephalo: Multi-Modal Vision-Language Models for Bio-Inspired Materials Analysis and Design [0.0]
  セファロ (Cephalo) は、材料科学の応用のために設計されたビジョン大型言語モデル(V-LLM)のシリーズである。 何千もの科学論文の総合的な画像とテキストデータに基づいて訓練されている。 ジェネレーティブ・アプリケーションには、花粉にインスパイアされた設計材料を含むバイオインスパイアされたデザインが含まれる。
  論文  参考訳（メタデータ） (2024-05-29T13:34:32Z)
• Instruct-Imagen: Image Generation with Multi-modal Instruction [90.04481955523514]
  Instruct-imagenは、不均一な画像生成タスクに取り組み、目に見えないタスクを一般化するモデルである。 画像生成のための*multi-modal instruction*を導入する。 画像生成データセットの人間による評価では、インストラクション・イメージはドメイン内の以前のタスク固有のモデルと一致するか、超えている。
  論文  参考訳（メタデータ） (2024-01-03T19:31:58Z)
• VL-GPT: A Generative Pre-trained Transformer for Vision and Language Understanding and Generation [79.02357561313785]
  視覚・言語データの同時認識・生成に長けたトランスモデルであるVL-GPT(Vision-Language Generative Pre-Traited Transformer)を導入する。 VL-GPTは、直感的な自己回帰的目的を用いることで、画像とテキストのモダリティを統一した事前学習アプローチを実現する。
  論文  参考訳（メタデータ） (2023-12-14T18:59:43Z)
• RenAIssance: A Survey into AI Text-to-Image Generation in the Era of Large Model [93.8067369210696]
  テキスト・ツー・イメージ生成(テキスト・トゥ・イメージ・ジェネレーション、英: Text-to-image Generation、TTI)とは、テキスト入力を処理し、テキスト記述に基づいて高忠実度画像を生成するモデルである。 拡散モデル (diffusion model) は、繰り返しステップによるノイズの体系的導入を通じて画像の生成に使用される顕著な生成モデルである。 大規模モデルの時代、モデルサイズを拡大し、大規模言語モデルとの統合により、TTIモデルの性能がさらに向上した。
  論文  参考訳（メタデータ） (2023-09-02T03:27:20Z)
• Generating Images with Multimodal Language Models [78.6660334861137]
  本稿では,凍結したテキストのみの大規模言語モデルを,事前学習した画像エンコーダとデコーダモデルで融合する手法を提案する。 本モデルでは,画像検索,新しい画像生成,マルチモーダル対話など,多モーダルな機能群を示す。
  論文  参考訳（メタデータ） (2023-05-26T19:22:03Z)

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。