論文の概要: CultureVidBench: Benchmarking Cultural Understanding in Text-to-Video Generation
- arxiv url: http://arxiv.org/abs/2608.01942v1
- Date: Mon, 03 Aug 2026 09:16:06 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-08-04 15:07:25.442034
- Title: CultureVidBench: Benchmarking Cultural Understanding in Text-to-Video Generation
- Title（参考訳）: CultureVidBench: テキスト・ビデオ生成における文化的理解のベンチマーク
- Abstract要約: T2V世代における文化的理解を評価するための総合的なベンチマークであるCultureVidBenchを紹介する。
CultureVidBenchには、12の国、6の大陸、8の文化地域、14の文化的側面をカバーする1000のキュレートされたプロンプトが含まれている。
我々は,人的ユーザスタディとMLLMに基づく文化的忠実度,マルチモーダルな文化的レンダリング,セマンティック・アテンデンス,知覚品質の7つの代表的T2Vモデルを評価する。
- 参考スコア（独自算出の注目度）: 40.66523564934797
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Text-to-video (T2V) generation models have advanced rapidly, yet their ability to represent diverse cultural contexts remains underexplored. Existing benchmarks mainly focus on perceptual quality, physical plausibility, and text-video alignment, but do not directly assess whether generated videos capture culturally specific objects, actions, rituals, visible text, or audio cues. We introduce CultureVidBench, a comprehensive benchmark for evaluating cultural understanding in T2V generation. CultureVidBench contains 1,000 curated prompts covering 12 countries, 6 continents, 8 cultural regions, and 14 cultural aspects organized into three categories: material culture, social practice & performance, and ritual & ceremony. Designed specifically for video generation, CultureVidBench emphasizes dynamic and multimodal cultural representation, including social interactions, ritual procedure, and culturally appropriate visible text and audio. We evaluate seven representative T2V models through human user studies and MLLM-based automatic assessment across cultural faithfulness, multimodal cultural rendering, semantic adherence, and perceptual quality. Results show that although current models achieve strong semantic adherence and visual quality, they often fail to faithfully capture fine-grained cultural details, particularly for underrepresented regions, rituals, and multimodal cultural cues.
- Abstract（参考訳）: テキスト・ツー・ビデオ(T2V)生成モデルは急速に進歩してきたが、様々な文化的文脈を表現する能力はいまだ探索されていない。
既存のベンチマークは主に知覚品質、身体的可視性、テキスト・ビデオのアライメントに焦点を当てているが、生成されたビデオが文化的に特定のオブジェクト、行動、儀式、可視テキスト、オーディオの手がかりをキャプチャするかどうかを直接評価するものではない。
T2V世代における文化的理解を評価するための総合的なベンチマークであるCultureVidBenchを紹介する。
CultureVidBenchには、12の国、6の大陸、8の文化地域、14の文化的側面をカバーする1000のキュレートされたプロンプトが含まれている。
ビデオ生成に特化して設計されたCultureVidBenchは、社会的相互作用、儀式の手続き、文化的に適切な可視テキストとオーディオを含む、動的でマルチモーダルな文化的表現を強調している。
我々は,人的ユーザスタディとMLLMに基づく文化的忠実度,マルチモーダルな文化的レンダリング,セマンティック・アテンデンス,知覚品質の7つの代表的T2Vモデルを評価する。
その結果、現在のモデルは強いセマンティック・アテンデンスと視覚的クオリティを達成できるが、細かな文化的細部を忠実に捉えられず、特に未表現の地域、儀式、多様文化的な手口に当てはまらないことが判明した。
関連論文リスト
- MAVEN A Multi-Agent Framework for Multicultural Text-to-Video Generation [7.901765633133679]
MAVENはマルチエージェントのプロンプトリファインメントフレームワークである。
プロンプトを人、行動、位置の次元に分解する。
モノカルチャーとクロスカルチャーの両方のT2V世代における文化的忠実性を改善する。
論文 参考訳（メタデータ） (2026-05-16T00:01:18Z) - Pragmatics Meets Culture: Culturally-adapted Artwork Description Generation and Evaluation [26.09933226566947]
本稿では, 異なる文化集団の観衆に対して, 美術品に埋め込まれた文化的なシンボルや物語に親しみやすいものをモデルで表現する, 文化適応型美術記述生成の課題を紹介する。
基本モデルは,この課題に対してわずかに十分であることがわかったが,現実的な話者モデルにより,最大8.2%のシミュレートされたリスナー理解を改善することができる。
人間の研究では、より現実的な能力を持つモデルは8.0%の理解に役立つと評価されている。
論文 参考訳（メタデータ） (2026-04-02T22:16:07Z) - Where Culture Fades: Revealing the Cultural Gap in Text-to-Image Generation [43.352493955825736]
現在のT2Iモデルは、多言語的なプロンプトの下で、文化的に中立な結果や英語に偏った結果をもたらすことが多い。
本稿では,培養感受性シグナルを少数の固定層内の小さなニューロン群に局在させる探索法を提案する。
論文 参考訳（メタデータ） (2025-11-21T14:40:50Z) - CultureScope: A Dimensional Lens for Probing Cultural Understanding in LLMs [57.653830744706305]
CultureScopeは、大規模な言語モデルにおける文化的理解を評価するための、これまでで最も包括的な評価フレームワークである。
文化的な氷山理論に触発されて、文化知識分類のための新しい次元スキーマを設計する。
実験結果から,文化的理解を効果的に評価できることが示唆された。
論文 参考訳（メタデータ） (2025-09-19T17:47:48Z) - RAVENEA: A Benchmark for Multimodal Retrieval-Augmented Visual Culture Understanding [79.44246283490665]
本稿では,検索による視覚文化理解の促進を目的とした新しいベンチマークであるRAVENEAを紹介する。
RAVENEAは、文化中心の視覚的質問応答(cVQA)と文化インフォームドイメージキャプション(cIC)の2つのタスクに焦点を当てている。
画像クエリ毎に7つのマルチモーダルレトリバーを訓練・評価し、14の最先端の視覚言語モデルにおける検索強化入力の下流への影響を計測する。
論文 参考訳（メタデータ） (2025-05-20T14:57:16Z) - CAReDiO: Cultural Alignment of LLM via Representativeness and Distinctiveness Guided Data Optimization [50.90288681622152]
大規模言語モデル(LLM)は、より深く様々な地域における人間の生活に統合される。
既存のアプローチは、文化固有のコーパスを微調整することで、文化的に整合したLCMを開発する。
本稿では,新しい文化データ構築フレームワークであるCAReDiOを紹介する。
論文 参考訳（メタデータ） (2025-04-09T13:40:13Z) - CultureVLM: Characterizing and Improving Cultural Understanding of Vision-Language Models for over 100 Countries [63.00147630084146]
視覚言語モデル(VLM)は高度な人間とAIの相互作用を持つが、文化的な理解に苦慮している。
CultureVerseは大規模なマルチモーダルベンチマークで、682の文化的概念、188の国/地域、15の文化的概念、3の質問タイプをカバーしている。
本稿では,文化理解の大幅な向上を実現するために,我々のデータセットを微調整したVLMのシリーズであるCultureVLMを提案する。
論文 参考訳（メタデータ） (2025-01-02T14:42:37Z) - Benchmarking Vision Language Models for Cultural Understanding [31.898921287065242]
本稿では,視覚言語モデル(VLM)の評価を目的とした視覚的質問応答ベンチマークであるCulturalVQAを紹介する。
我々は,5大陸11カ国の文化を表わす質問毎の回答が1～5である2,378枚の画像検索ペアのコレクションをキュレートした。
質問は、衣服、食べ物、飲み物、儀式、伝統など、様々な文化の側面の理解を調査する。
論文 参考訳（メタデータ） (2024-07-15T17:21:41Z) - Beyond Aesthetics: Cultural Competence in Text-to-Image Models [34.98692829036475]
CUBEは、テキスト・ツー・イメージ・モデルの文化的能力を評価するための最初のベンチマークである。
CUBEは、異なる地理的文化圏の8か国に関連する文化的アーティファクトをカバーしている。
CUBE-CSpaceは、文化的多様性を評価する基盤となる文化的アーティファクトのより大きなデータセットである。
論文 参考訳（メタデータ） (2024-07-09T13:50:43Z) - CulturePark: Boosting Cross-cultural Understanding in Large Language Models [63.452948673344395]
本稿では,LLMを利用した文化データ収集のためのマルチエージェント通信フレームワークであるCultureParkを紹介する。
人間の信念、規範、習慣をカプセル化した高品質な異文化対話を生成する。
我々はこれらのモデルを,コンテンツモデレーション,文化的アライメント,文化教育という3つの下流課題にまたがって評価する。
論文 参考訳（メタデータ） (2024-05-24T01:49:02Z) - Navigating Cultural Chasms: Exploring and Unlocking the Cultural POV of Text-To-Image Models [32.99865895211158]
テキスト・トゥ・イメージ(TTI)モデルに埋め込まれた文化的知覚を,3層にまたがる文化を特徴付けることによって探求する。
本稿では,CLIP空間を用いた本質的な評価を含む総合的な評価手法を提案する。
我々の研究を促進するために、CulText2Iデータセットを導入しました。
論文 参考訳（メタデータ） (2023-10-03T10:13:36Z)
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。