論文の概要: ArtAnno: Annotating Implicit Semantics in Artworks through LLM Agent-Driven Bidirectional Human-AI Augmentation
- arxiv url: http://arxiv.org/abs/2608.05026v1
- Date: Wed, 05 Aug 2026 16:30:12 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-08-06 14:48:43.988715
- Title: ArtAnno: Annotating Implicit Semantics in Artworks through LLM Agent-Driven Bidirectional Human-AI Augmentation
- Title（参考訳）: ArtAnno: LLMエージェント駆動双方向AI拡張によるアートワークにおける暗黙のセマンティクスの注釈
- Authors: Xiaoyan Gu, Yifang Wang, Wenqing Zheng, Haozhong Liu, Yixia Zheng, Peiyi Jiang, Wenjie Ning, Wei Zhang, Wei Chen,
- Abstract要約: 現在のAI支援アノテーションツールは、しばしばAIモデルを改善するために、補助を欠いているか、一方的な校正に依存している。
実時間インタラクションと双方向HAI拡張を通じて,知識ベースと知識ベースが進化するクローズドループフレームワークであるBi Human-AI Augmentationを提案する。
マルチエージェントアーキテクチャによって駆動されるアートアノテーションシステムであるArtAnnoに,このフレームワークを実装した。
- 参考スコア（独自算出の注目度）: 11.3983038688347
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: High-quality annotation of artworks is essential for computational art research, yet extracting implicit semantics remains challenging due to the reliance on culturally grounded meanings and deep contextual knowledge behind the images. Current AI-assisted annotation tools often lack assistance or rely on one-way workflows where experts have to perform extra manual calibrations to improve AI models, resulting in limited efficiency. To address this, we propose Bidirectional Human-AI Augmentation(BiHAA), a closed-loop framework in which skills and domain knowledge base evolve through real-time interaction and bidirectional HAI augmentation. Informed by a formative study with 20 artwork annotators from different backgrounds, we implement this framework in ArtAnno, an artwork annotation system driven by a multi-agent architecture. The system includes a Proactive Agentic Support Module, where AI augments humans through semantic mining and label suggestion, and an Interaction-Driven Evolution Module, where human expertise continuously enhances the AI through distilling annotation trajectories into reusable experience. Evaluation through a user study and two case studies demonstrates that our framework and system improve annotation efficiency, enable knowledge accumulation, and reduce the effort of information seeking and verification for annotators with limited domain expertise. We conclude by discussing broader implications and future directions.
- Abstract（参考訳）: 美術品の高品質な注釈は計算芸術研究に欠かせないものであるが、文化に根ざした意味や背景にある深い文脈的知識に依存しているため、暗黙的な意味論を抽出することは依然として困難である。
現在のAI支援アノテーションツールは、AIモデルを改善するために、専門家が追加の手動キャリブレーションを実行しなければならない一方的なワークフローを欠いていることが多い。
そこで本研究では,リアルタイムインタラクションと双方向HAI拡張を通じて,スキルとドメイン知識ベースが進化するクローズドループフレームワークであるBidirectional Human-AI Augmentation(BiHAA)を提案する。
異なる背景を持つ20のアートアノテータによるフォーマティブな研究によって得られたこのフレームワークは、マルチエージェントアーキテクチャによって駆動されるアートアノテーションシステムであるArtAnnoに実装されている。
このシステムには、セマンティックマイニングとラベル提案を通じてAIが人間を増強するProactive Agentic Support Moduleと、人間の専門知識がアノテーショントラジェクトリを再利用可能なエクスペリエンスに蒸留することでAIを継続的に強化するInteraction-Driven Evolution Moduleが含まれている。
ユーザスタディと2つのケーススタディを通じて、我々のフレームワークとシステムがアノテーション効率を改善し、知識の蓄積を可能にし、ドメインの専門知識に制限のあるアノテータに対する情報検索と検証の労力を減らすことを実証した。
より広範な意味と今後の方向性について論じる。
関連論文リスト
- AI to Learn 2.0: A Deliverable-Oriented Governance Framework and Maturity Rubric for Opaque AI in Learning-Intensive Domains [0.0]
ジェネレーティブAIは、現在のガバナンスフレームワークよりも早く研究、教育、プロフェッショナルな仕事に入り、AIによるアウトプットをどのように判断すべきかを特定できる。
本稿では,AI支援作業のためのデリバリ指向ガバナンスフレームワークであるLearning 2.0を提案する。
論文 参考訳（メタデータ） (2026-03-16T11:44:43Z) - Artificial Intelligence Agents in Music Analysis: An Integrative Perspective Based on Two Use Cases [0.0]
本稿では,音楽分析と教育に応用されたAIエージェントの総合的レビューと実験的検証について述べる。
ルールベースモデルから、ディープラーニング、マルチエージェントアーキテクチャ、検索拡張生成フレームワークを含む現代的アプローチへの歴史的進化を合成する。
実験の結果,AIエージェントは音楽パターン認識,構成パラメータ化,教育的フィードバックを効果的に強化することがわかった。
論文 参考訳（メタデータ） (2025-11-17T23:46:47Z) - AIGI-Holmes: Towards Explainable and Generalizable AI-Generated Image Detection via Multimodal Large Language Models [78.08374249341514]
AI生成コンテンツ(AIGC)の急速な発展は、誤情報を拡散するAIGIの誤用につながった。
大規模で包括的なデータセットであるHolmes-Setを導入し、画像がAI生成されているかどうかを解説したインストラクションチューニングデータセットを含む。
本研究は,MLLMの構造化説明と品質管理によるデータ生成を効率化する,Multi-Expert Juryと呼ばれる効率的なデータアノテーション手法を提案する。
さらに,視覚専門家による事前学習,教師付き微調整,直接選好最適化を含む3段階学習フレームワークであるHolmes Pipelineを提案する。
論文 参考訳（メタデータ） (2025-07-03T14:26:31Z) - IXAII: An Interactive Explainable Artificial Intelligence Interface for Decision Support Systems [0.13654846342364302]
IXAIIは、LIME、SHAP、Anchors、DiCEの4つの説明可能なAIメソッドから説明を提供する。
プロトタイプでは,5つのユーザグループに対して適切なビューを提供し,説明内容やフォーマットに関してユーザエージェンシーを提供する。
論文 参考訳（メタデータ） (2025-06-26T14:28:13Z) - When Models Know More Than They Can Explain: Quantifying Knowledge Transfer in Human-AI Collaboration [79.69935257008467]
我々は,人間とAIの知識伝達能力に関する概念的かつ実験的フレームワークである知識統合と伝達評価(KITE)を紹介する。
最初の大規模人間実験(N=118)を行い,その測定を行った。
2段階のセットアップでは、まずAIを使って問題解決戦略を思いつき、その後独立してソリューションを実装し、モデル説明が人間の理解に与える影響を分離します。
論文 参考訳（メタデータ） (2025-06-05T20:48:16Z) - Advancing AI Research Assistants with Expert-Involved Learning [84.30323604785646]
大規模言語モデル (LLM) と大規模マルチモーダルモデル (LMM) は、生物医学的な発見を促進することを約束するが、その信頼性は未定である。
ARIEL(AI Research Assistant for Expert-in-the-Loop Learning)は,オープンソースの評価・最適化フレームワークである。
LMMは詳細な視覚的推論に苦しむのに対し、最先端のモデルでは流動性はあるが不完全な要約を生成する。
論文 参考訳（メタデータ） (2025-05-03T14:21:48Z) - AI Readiness in Healthcare through Storytelling XAI [0.5120567378386615]
我々は,マルチタスク蒸留と解釈可能性技術を組み合わせて,聴衆中心の説明可能性を実現する手法を開発した。
我々の手法は、責任あるAIを実現するために、ドメインエキスパートと機械学習エキスパートの両方の信頼を高める。
論文 参考訳（メタデータ） (2024-10-24T13:30:18Z) - Exploration with Principles for Diverse AI Supervision [88.61687950039662]
次世代の予測を用いた大規模トランスフォーマーのトレーニングは、AIの画期的な進歩を生み出した。
この生成AIアプローチは印象的な結果をもたらしたが、人間の監督に大きく依存している。
この人間の監視への強い依存は、AIイノベーションの進歩に重大なハードルをもたらす。
本稿では,高品質なトレーニングデータを自律的に生成することを目的とした,探索型AI(EAI)という新しいパラダイムを提案する。
論文 参考訳（メタデータ） (2023-10-13T07:03:39Z)
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。