Fugu-MT 論文翻訳(概要): EditCLEVR: A Paired-Scene Intervention Benchmark for Compositional Faithfulness of Object-Centric Representations

論文の概要: EditCLEVR: A Paired-Scene Intervention Benchmark for Compositional Faithfulness of Object-Centric Representations

arxiv url: http://arxiv.org/abs/2607.22705v1
Date: Sun, 19 Jul 2026 16:11:43 GMT
ステータス: 翻訳完了
システム内更新日: 2026-07-28 22:34:14.832631
Title: EditCLEVR: A Paired-Scene Intervention Benchmark for Compositional Faithfulness of Object-Centric Representations
Title（参考訳）: EditCLEVR: オブジェクト中心表現の合成忠実度のためのペア・シーン干渉ベンチマーク
Abstract要約: 対象中心学習のためのペア・シーン介入ベンチマークであるEditCLEVRを紹介する。それぞれの例には、同じオブジェクトインデックスとシーンレイアウトを持つ、前/後対のレンダリングが含まれている。これには、既知の1つのオブジェクトに対する、正確に1つの既知の変更属性と、ドリフト測定のためのno-edit re-renderが含まれる。
参考スコア（独自算出の注目度）: 0.0
License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
Abstract: Object-centric learning aims to represent scenes as objects whose properties can be reused in new combinations. Existing evaluations usually score segmentation, single-image factor prediction, or downstream accuracy, but these tests do not directly ask whether a per-object representation behaves correctly under a controlled semantic edit. We introduce EditCLEVR, a paired-scene intervention benchmark in which each example contains a before/after pair of CLEVR-style renders with the same object indices and scene layout, and either exactly one known attribute change on one known object or a no-edit re-render for drift measurement. The protocol includes probe-free diagnostics for representation-change localization and stability, together with probe-decoded semantic faithfulness metrics that test whether the predicted scene change matches the intended intervention across in-distribution and compositional out-of-distribution (OOD) suites, allowing code-space movement and decoded object-attribute correctness to be evaluated separately. We introduce the semantic metric Scene-Graph Intervention Accuracy (SGIA), which requires the full after-scene prediction to be correct and the only predicted before-to-after semantic change to be the intended object-factor edit. We also establish Delta-SGIA as a companion diagnostic that checks the single-site change pattern without requiring the full after-scene graph to be correct. Baseline evaluations on ground-truth-mask backbones, learned-slot models, SAM 2 + frozen-ViT models, and one mask-feature hybrid indicate that CoGenT-OOD-core degradation can persist under ground-truth instance masks, that mask source accounts for part but not all of native performance, and that locality or stability alone can overstate semantic faithfulness. Code is available at https://github.com/torux-bughunter/EditCLEVR.
Abstract（参考訳）: オブジェクト中心学習は、新しい組み合わせでプロパティを再利用できるオブジェクトとしてシーンを表現することを目的としている。既存の評価は通常、セグメンテーション、単一イメージの予測、あるいは下流の精度をスコアするが、これらのテストは、オブジェクトごとの表現が制御されたセマンティック編集の下で正しく振る舞うかどうかを直接問わない。 EditCLEVRは,各サンプルに同一のオブジェクトインデックスとシーンレイアウトを持つCLEVRスタイルのレンダリングと,既知の1つのオブジェクトに対する既知の属性変更とドリフト計測のためのno-edit re-renderのいずれかを含む,ペア・シーンの介入ベンチマークである。このプロトコルは、表現-変化の局所化と安定性のためのプローブフリー診断と、予測されたシーン変化が、分布内および分布外(OOD)スイート間の意図した介入と一致するかどうかをテストするプローブデコードされたセマンティック忠実度メトリクスを含んでおり、コード空間移動とデコードされたオブジェクト-属性の正しさを別々に評価することができる。本稿では,SGIA(Scene-Graph Intervention Accuracy)というセマンティックメトリックを導入する。またDelta-SGIAは,全アフターシーングラフの正しさを必要とせず,単一サイトの変化パターンをチェックするための補助診断として確立した。ベースライン評価では, 地中・地中・地中・地中・地中・地中・地中・地中・地中・地中・地中・地中・地中・地中・地中・地中・地中・地中・地中・地中・地中・地中・地中・地中・地中・地中・地中・地中・地中・地中・地中・地中・地中・地中・地中・地中・地中・地中・地中・地中・地中・地中・地中・地中・地中・地中・地中・地中・地中・地中・地中・地中・地中・地中・地中・地中・地中・地中・地中・地中・地中・地中・地中・地中・地中・地中・地中・地中・地中・地中・地中・地中・地中・地中・地中・地中・地中・地中・地中・地中・地中)。コードはhttps://github.com/torux-bughunter/EditCLEVRで入手できる。

関連論文リスト

Sparse MLLM Anchors, Dense Adaptation: Breaking the Self-Referential Loop in Wild Test-Time Adaptation [17.055807559866093]
我々は,MASA(Multimodal-LLM-Anchored Semantic Adaptation)を導入し,冷凍大言語モデル(MLLM)の構造化意味記述とモデル内部証拠を補完する。 MASAは記述をエンコードし、隣接するテストサンプルに伝達し、結果の視覚意味情報をオンラインのプロトタイプメモリに格納する。 WTTA ImageNet-CベンチマークのMASAをResNetとViTのバックボーンを用いて,制限バッチ,混合ドメイン,不均衡ラベルシフト設定で評価した。
論文参考訳（メタデータ） (2026-09-15T11:48:30Z)
DPM++: Dynamic Masked Metric Learning for Occluded Person Re-identification [32.9985650634494]
DPM++は、排除された人物の再識別のための動的マスクドメトリックラーニングフレームワークである。入力適応マスク付きメトリックを学習し、隠蔽されたインスタンスごとに信頼性の高いIDサブスペースを動的に選択する。全体的なシナリオと排他的シナリオの両方において、従来の最先端の手法を一貫して上回ります。
論文参考訳（メタデータ） (2026-05-07T17:47:23Z)
IoUCert: Robustness Verification for Anchor-based Object Detectors [58.35703549470485]
IoUCertは、アンカーベースのオブジェクト検出アーキテクチャにおいて、これらのボトルネックを克服するために設計された、新しい形式的検証フレームワークである。本手法は, SSD, YOLOv2, YOLOv3など, 現実的なアンカーベースモデルの各種入力摂動に対するロバスト性検証を可能にする。
論文参考訳（メタデータ） (2026-03-03T14:36:46Z)
RealDrag: The First Dragging Benchmark with Real Target Image [9.439854281295803]
textbfRealDragは、点ベースの画像編集のための最初の包括的なベンチマークであり、ペアの接地真理ターゲット画像を含んでいる。私たちのデータセットには、さまざまなビデオソースから400以上の人間の注釈付きサンプルが含まれています。また、Semantical Distance(SeD)、Outer Mask Preserving Score(OMPS)、Inner Patch Preserving Score(IPPS)、Directional similarity(DiS)の4つの新しいタスク特化指標を提案する。
論文参考訳（メタデータ） (2025-12-13T11:14:03Z)
ObjectAlign: Neuro-Symbolic Object Consistency Verification and Correction [25.651102245332766]
我々は,知覚的メトリクスと記号的推論をブレンドして,編集されたビデオシーケンスの不整合を検出し,検証し,修正するフレームワークであるObjectAlignを紹介する。私たちは、DAVISとPexelsのビデオデータセットのSOTAベースラインと比較して、CLIPスコアの1.4ポイント改善、ワープエラーの6.1ポイント改善を示す。
論文参考訳（メタデータ） (2025-11-24T02:50:01Z)
EdiVal-Agent: An Object-Centric Framework for Automated, Fine-Grained Evaluation of Multi-Turn Editing [170.71134330650796]
EdiVal-Agentは、命令ベースの画像編集のためのオブジェクト指向評価フレームワークである。標準のシングルターンだけでなく、マルチターンの命令ベースの編集を精度良く評価するように設計されている。 EdiVal-Benchは、インコンテキスト、フローマッチング、拡散パラダイムにまたがる9つの命令タイプと13の最先端編集モデルをカバーするベンチマークである。
論文参考訳（メタデータ） (2025-09-16T17:45:39Z)
Semi-DETR: Semi-Supervised Object Detection with Detection Transformers [105.45018934087076]
半教師付き物体検出(SSOD)におけるDETRに基づくフレームワークの解析本報告では,第1次変圧器を用いたエンド・ツー・エンド半教師対象検出器であるSemi-DETRについて述べる。我々の手法は、最先端の手法をクリアマージンで上回る。
論文参考訳（メタデータ） (2023-07-16T16:32:14Z)
Auditing AI models for Verified Deployment under Semantic Specifications [65.12401653917838]
AuditAIは、解釈可能な形式検証とスケーラビリティのギャップを埋める。 AuditAIは、画素空間の摂動のみを用いた検証の限界に対処しながら、検証と認定トレーニングのための制御されたバリエーションを得られるかを示す。
論文参考訳（メタデータ） (2021-09-25T22:53:24Z)
Synthesizing the Unseen for Zero-shot Object Detection [72.38031440014463]
そこで本研究では,視覚領域における視覚的特徴と視覚的対象の両方を学習するために,視覚的特徴を合成することを提案する。クラスセマンティックスを用いた新しい生成モデルを用いて特徴を生成するだけでなく,特徴を識別的に分離する。
論文参考訳（メタデータ） (2020-10-19T12:36:11Z)
End-to-End Object Detection with Transformers [88.06357745922716]
本稿では,オブジェクト検出を直接セット予測問題とみなす新しい手法を提案する。我々のアプローチは検出パイプラインを合理化し、手作業で設計された多くのコンポーネントの必要性を効果的に除去する。この新しいフレームワークの主な構成要素は、Detection TRansformerまたはDETRと呼ばれ、セットベースのグローバルな損失である。
論文参考訳（メタデータ） (2020-05-26T17:06:38Z)

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。