論文の概要: ArtECulture: Benchmarking Culture-Conditioned Visual Emotion Understanding in Multimodal Large Language Models

• arxiv url: http://arxiv.org/abs/2608.03358v1
• Date: Tue, 04 Aug 2026 09:05:41 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-08-05 15:30:23.107823
• Title: ArtECulture: Benchmarking Culture-Conditioned Visual Emotion Understanding in Multimodal Large Language Models
• Title（参考訳）: ArtECulture: マルチモーダル大規模言語モデルにおける文化規定の視覚的感情理解のベンチマーク
• Authors: Xiaolin Chen, Xuemeng Song, Wenhao Shi, Xianjing Han, Mong-Li Lee, Wynne Hsu,
• Abstract要約: 本稿では,あるイメージの文化特有の感情知覚を予測するタスクである,文化条件の視覚的感情理解を紹介する。 ArtECultureは、6,792点のアートワークと文化固有の感情ラベルと、英語、中国語、アラビア語の文化にまたがる説明を含むベンチマークである。
• 参考スコア（独自算出の注目度）: 36.2474208478776
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Existing visual emotion understanding methods typically ignore cultural variations in emotional perception. We introduce culture-conditioned visual emotion understanding, a task that predicts the culture-specific emotional perception of a given image and explains the underlying rationale. Although related benchmarks exist, they are limited by inconsistent individual annotations, which hinder the derivation of majority-supported culture-level emotion labels, and imbalanced cultural coverage. Thus, we present ArtECulture, a benchmark containing 6,792 artworks with culture-specific emotion labels and explanations across English, Chinese, and Arabic cultures, with balanced Western and non-Western content. Evaluations of 16 open- and closed-source Multimodal Large Language Models (MLLMs) under a zero-shot setting reveal that the task remains challenging, with the best model achieving below 50\% accuracy. To address this limitation, we introduce a retrieval-augmented culture-conditioned emotion understanding framework, which leverages a concept-based cultural emotion knowledge base to inject explicit cultural knowledge into MLLMs without additional training. The framework improves both culturally aligned emotion prediction and grounded explanation generation. Our benchmark and code will be publicly released.
• Abstract（参考訳）: 既存の視覚的感情理解法は、感情知覚の文化的バリエーションを無視するのが一般的である。 本稿では,あるイメージの文化特有の感情知覚を予測するタスクである,文化条件の視覚的感情理解を紹介し,その基礎となる根拠を説明する。 関連するベンチマークは存在するが、多数派が支持するカルチャーレベルの感情ラベルの導出を妨げる、一貫性のない個々のアノテーションによって制限されている。 そこで我々は、6,792点のアートワークと文化固有の感情ラベルと、英語、中国語、アラビア語の文化にまたがる説明を含むベンチマークArtECultureを紹介した。 ゼロショット設定による16のオープンソースおよびクローズドソースMultimodal Large Language Models (MLLMs)の評価は、最良のモデルが50%未満の精度で達成され、タスクが依然として困難であることを示している。 この制限に対処するために,概念に基づく文化的感情知識ベースを活用して,付加的なトレーニングを伴わずに,明示的な文化的知識をMLLMに注入する,検索強化された文化条件の感情理解フレームワークを導入する。 この枠組みは、文化的に整合した感情予測と基礎化された説明生成の両方を改善する。 ベンチマークとコードは公開されます。

関連論文リスト

• Tears or Cheers? Benchmarking LLMs via Culturally Elicited Distinct Affective Responses [28.3173238194554]
  CEDARは、文化的にアンダーラインのscElicited underlinetextscDistinct underlinetextscAffective underlinetextscResponsesをキャプチャするシナリオから構築されたベンチマークである。 その結果得られたベンチマークは、7つの言語に10,962のインスタンスと14のきめ細かい感情カテゴリで構成され、各言語には400のマルチモーダルと1,166のテキストのみのサンプルが含まれている。
  論文  参考訳（メタデータ） (2026-01-19T13:04:26Z)
• Do Large Language Models Truly Understand Cross-cultural Differences? [53.481048019144644]
  我々は,大規模言語モデルの異文化間理解と推論を評価するシナリオベースのベンチマークを開発した。 文化理論を基礎として、異文化の能力を9次元に分類する。 データセットは連続的な拡張をサポートし、実験は他の言語への転送可能性を確認する。
  論文  参考訳（メタデータ） (2025-12-08T01:21:58Z)
• 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)
• CULEMO: Cultural Lenses on Emotion -- Benchmarking LLMs for Cross-Cultural Emotion Understanding [7.308914305652415]
  カルチャー・レンズ・オン・エモーション (CuLEmo) は、6つの言語にまたがるカルチャー・アウェア・感情予測を評価するための最初のベンチマークである。 キュレモ語は言語ごとに400の工芸的な質問で構成されており、それぞれに微妙な文化的推論と理解が必要である。 このベンチマークを用いて、カルチャーを意識した感情予測と感情分析タスクにおける、最先端のLCMの評価を行う。
  論文  参考訳（メタデータ） (2025-03-12T01:01:30Z)
• Extrinsic Evaluation of Cultural Competence in Large Language Models [53.626808086522985]
  本稿では,2つのテキスト生成タスクにおける文化能力の評価に焦点をあてる。 我々は,文化,特に国籍の明示的なキューが,そのプロンプトに乱入している場合のモデル出力を評価する。 異なる国におけるアウトプットのテキスト類似性とこれらの国の文化的価値との間には弱い相関関係がある。
  論文  参考訳（メタデータ） (2024-06-17T14:03:27Z)

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。