論文の概要: Entropy in Semantic Memory Navigation in Blind and Sighted Individuals: The Effect of Visual Experience

• arxiv url: http://arxiv.org/abs/2607.12185v1
• Date: Mon, 13 Jul 2026 22:05:36 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-07-15 17:08:29.974584
• Title: Entropy in Semantic Memory Navigation in Blind and Sighted Individuals: The Effect of Visual Experience
• Title（参考訳）: 盲目・目視者におけるセマンティックメモリナビゲーションにおけるエントロピー : 視覚経験の影響
• Authors: Felipe D. Toro-Hernández, Rodrigo Lagos, Sergio E. Chaigneau,
• Abstract要約: セマンティックメモリの身体的説明は、知識の獲得と記憶におけるセンセーショナルモチーフシステムの役割を強調している。 本研究は視覚障害者と視覚障害者のセマンティックメモリナビゲーションの差異を評価した。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Embodied accounts of semantic memory highlight the role of sensorimotor systems in acquiring and storing knowledge. Congenitally blind populations offer a critical test bed for these assumptions, providing an opportunity to assess whether conceptual grounding requires visual experience. In this study, we assessed semantic memory navigation differences between blind and sighted individuals using a property listing task with concrete and abstract concepts. We computed semantic entropy, an embedding-based natural language processing metric that captures the predictability of retrieval. Generalized linear mixed models revealed distinct navigation patterns across groups: while sighted individuals showed higher entropy for abstract than concrete concepts, blind participants did not. Instead, blind individuals exhibited higher entropy for visually salient concrete concepts (e.g., penguin). These results underscore the role of visual experience in the organization and dynamic navigation of semantic memory.
• Abstract（参考訳）: セマンティックメモリの身体的説明は、知識の獲得と記憶におけるセンセーショナルモチーフシステムの役割を強調している。 視覚障害者はこれらの仮定に対して重要なテストベッドを提供し、概念的接地が視覚経験を必要とするかどうかを評価する機会を提供する。 本研究では,具体的,抽象的な概念を用いたプロパティリスト作成タスクを用いて,視覚障害者と視覚障害者のセマンティックメモリナビゲーションの差異を評価した。 我々は,検索の予測可能性を把握する埋め込み型自然言語処理メトリックであるセマンティックエントロピーを計算した。 一般線形混合モデルでは,グループ間で異なるナビゲーションパターンが示され,視覚的個人は抽象概念よりも抽象概念の方が高いエントロピーを示したが,視覚的参加者は示さなかった。 視覚障害者は視覚的に有意な具体的概念(例えばペンギン)に対して高いエントロピーを示した。 これらの結果は、セマンティックメモリの組織化と動的ナビゲーションにおける視覚的体験の役割を浮き彫りにした。

関連論文リスト

• Entropy Is Not Enough: Unlocking Effective Reinforcement Learning for Visual Reasoning via Vision-Anchored Token Selection [68.2118210672375]
  VEPO(Vision-Entropy token-selection for Policy Optimization)は,視覚感度とトークンエントロピーを明示的に統合した効果的なRLフレームワークである。 実験の結果,VEPOの先行性能は7Bスケールで2.28点,3Bスケールで3.15点,エントロピーのみのベースラインを著しく上回った。
  論文  参考訳（メタデータ） (2026-06-02T17:26:55Z)
• Visual Latents Know More Than They Say: Unsilencing Latent Reasoning in MLLMs [54.16324124242172]
  連続潜在空間推論は、マルチモーダルモデルに対するテキストチェーンのコンパクトな代替を提供する。 既存の視覚的推論手法では,これまで見過ごされてきた最適化病理を同定する。 パラメータ更新を伴わない推論時間潜時最適化は、視覚潜時における抑止的推論能力を効果的に解き放つことを示す。
  論文  参考訳（メタデータ） (2026-05-04T15:36:12Z)
• Attention at Rest Stays at Rest: Breaking Visual Inertia for Cognitive Hallucination Mitigation [50.51650162235191]
  本稿では,認知的推論を視覚的注意の動的応答性としてモデル化することにより,この慣性パターンを破る訓練のない慣性認識型視覚興奮(IVE)法を提案する。 IVEは様々な基礎MLLMと複数の幻覚ベンチマーク、特に認知幻覚に有効である。
  論文  参考訳（メタデータ） (2026-04-02T12:51:07Z)
• Align and Surpass Human Camouflaged Perception: Visual Refocus Reinforcement Fine-Tuning [18.13538667261998]
  現在のマルチモーダルモデルは、背景に視覚的に同化されている物体を特定する際に、人間の視覚システムと顕著な相違を示す。 我々は、人間の視覚的カモフラージュされた知覚を段階的に再現し、視覚的隠蔽コンテンツを反復的に再焦点する視覚システムを構築した。
  論文  参考訳（メタデータ） (2025-05-26T07:27:18Z)
• When Does Perceptual Alignment Benefit Vision Representations? [76.32336818860965]
  視覚モデル表現と人間の知覚的判断との整合がユーザビリティに与える影響について検討する。 モデルと知覚的判断を一致させることで、多くの下流タスクで元のバックボーンを改善する表現が得られることがわかった。 その結果,人間の知覚的知識に関する帰納バイアスを視覚モデルに注入することは,より良い表現に寄与することが示唆された。
  論文  参考訳（メタデータ） (2024-10-14T17:59:58Z)
• Identifying and interpreting non-aligned human conceptual representations using language modeling [0.0]
  先天性失明は,a-モダル語と知覚関連言語ドメインの両方において概念的再編成を引き起こすことを示す。 視覚障害者は、より強く社会的・認知的な意味と、行動に関連する動詞を関連づける。 一部の動詞では、盲目と盲目の表現は非常に似ている。
  論文  参考訳（メタデータ） (2024-03-10T13:02:27Z)
• How does the primate brain combine generative and discriminative computations in vision? [4.691670689443386]
  推論過程の2つの対照的な概念は、それぞれ生物学的ビジョンと機械ビジョンの研究に影響を与えている。 視覚は、しばしば感覚データのトップダウン予測を含むと考えられるプロセスにおいて、証拠の尋問を通じて生成モデルを逆転させることを示す。 本稿では,この用語を説明し,重要な実証的証拠を概説するとともに,霊長類視覚の謎のハイブリッドアルゴリズムを明らかにするための段階を超越し,設定する経験的研究プログラムを提案する。
  論文  参考訳（メタデータ） (2024-01-11T16:07:58Z)
• What Do Deep Saliency Models Learn about Visual Attention? [28.023464783469738]
  本稿では,サリエンシモデルによって学習された暗黙的特徴に光を当てる新しい分析フレームワークを提案する。 提案手法では,これらの暗黙的特徴を意味的属性に明示的に一致した解釈可能なベースに分解する。
  論文  参考訳（メタデータ） (2023-10-14T23:15:57Z)
• Discovering Concepts in Learned Representations using Statistical Inference and Interactive Visualization [0.76146285961466]
  概念発見は、深層学習の専門家とモデルエンドユーザーの間のギャップを埋めるために重要である。 現在のアプローチには、手作りの概念データセットと、それを潜在空間方向に変換することが含まれる。 本研究では,複数の仮説テストに基づく意味ある概念のユーザ発見と,インタラクティブな可視化に関する2つのアプローチを提案する。
  論文  参考訳（メタデータ） (2022-02-09T22:29:48Z)

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。