論文の概要: RA-ClipScore: Making Generative Model Evaluation More Interpretable

• arxiv url: http://arxiv.org/abs/2608.12088v1
• Date: Wed, 12 Aug 2026 14:11:27 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-08-13 19:07:54.600815
• Title: RA-ClipScore: Making Generative Model Evaluation More Interpretable
• Title（参考訳）: RA-ClipScore: 生成モデル評価をより解釈可能にする
• Abstract要約: 生成モデルのセマンティック評価のための新しい指標であるRA-CLIPScoreを提案する。 RA-CLIPScoreは、生成されたオブジェクトがトレーニングデータにある位置の先行値に従属するかどうかを測定する。 RA-CLIPScoreは従来の手法よりも頑健で解釈可能な評価を提供する。
• 参考スコア（独自算出の注目度）: 10.211263272517911
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Generative models can produce images nearly indistinguishable from real data, yet rigorous and interpretable evaluation remains challenging. Conventional metrics such as FID provide only scalar scores with limited diagnostic insight. Widely adopted CLIP-based metrics enable semantic evaluation beyond simple training class labels, but inherit limitations from CLIP's training paradigm that restrict attribute-wise analysis. We propose RA-CLIPScore, a novel metric that mitigates these issues and extends CLIP-based evaluation to spatial distribution alignment, measuring whether generated objects adhere to the positional priors found in the training data. RA-CLIPScore introduces dual prompts to decouple competing attributes and leverages local patch tokens to capture fine-grained regional semantics. We evaluate image generative models on their ability to match both attribute and spatial distributions of the training data. Extensive experiments show that RA-CLIPScore provides more robust and interpretable evaluations than prior methods, particularly under distribution misalignment or partially irrelevant textual attributes. We further demonstrate how it reveals spatial biases in generative models. User evaluations confirm that Regional Single Attribute Divergence based on our RA-CLIPScore aligns more closely with human perception of visual diversity than existing semantic metrics.
• Abstract（参考訳）: 生成モデルは実際のデータとほとんど区別できない画像を生成することができるが、厳密で解釈可能な評価は依然として難しい。 FIDのような従来のメトリクスは、診断の洞察力に制限のあるスカラースコアのみを提供する。 広く採用されているCLIPベースのメトリクスは、単純なトレーニングクラスラベル以上のセマンティック評価を可能にするが、属性分析を制限するCLIPのトレーニングパラダイムから制限を継承する。 本稿では,これらの問題を緩和し,CLIPに基づく評価を空間分布アライメントに拡張する新しい指標であるRA-CLIPScoreを提案する。 RA-CLIPScoreは競合する属性を分離するデュアルプロンプトを導入し、ローカルパッチトークンを活用して、きめ細かい地域意味をキャプチャする。 トレーニングデータの属性と空間分布を一致させる画像生成モデルの評価を行った。 大規模実験により、RA-CLIPScoreは従来の方法よりも頑健で解釈可能な評価を提供することが明らかとなった。 さらに、生成モデルにおける空間バイアスを明らかにする方法を示す。 ユーザ評価では、RA-CLIPScoreに基づく地域単一属性の多様性が、既存の意味的指標よりも人間の視覚的多様性の認識と密接に一致していることが確認されている。

関連論文リスト

• Structuring Semantic Embeddings for Principle Evaluation: A Prototype-Guided Contrastive Learning Approach [58.15427952222424]
  汎用的なテキスト埋め込みはそのようなタスクに広くデプロイされているが、意味的類似性は意味的に似ているがタスク固有の例を示すことができる。 本稿では,凍結したテキスト埋め込み上に構築された幾何正規化モジュールであるPGCL(Prototype-Guided Contrastive Learning)を紹介する。
  論文  参考訳（メタデータ） (2026-08-15T13:19:25Z)
• Bridging the Semantic Gap for Categorical Data Clustering via Large Language Models [64.58262227709842]
  ARISE(Attention-weighted Representation with Integrated Semantic Embeddings)が紹介される。 正確なクラスタリングのためにカテゴリデータのメトリック空間を補完するセマンティックアウェア表現を構築する。 8つのベンチマークデータセットの実験では、7つの代表的なデータセットよりも一貫した改善が示されている。
  論文  参考訳（メタデータ） (2026-01-03T11:37:46Z)
• Structure-Aware Feature Rectification with Region Adjacency Graphs for Training-Free Open-Vocabulary Semantic Segmentation [22.409969687852506]
  画像から直接派生したインスタンス固有の事前情報を組み込んだ構造認識機能修正手法を提案する。 本手法は,セグメンテーションノイズを効果的に抑制し,領域レベルの整合性を向上し,複数の開語彙セグメンテーションベンチマークにおいて高い性能を実現する。
  論文  参考訳（メタデータ） (2025-12-08T10:00:36Z)
• SegDebias: Test-Time Bias Mitigation for ViT-Based CLIP via Segmentation [23.565073829744676]
  本稿では,ViTベースのCLIPモデルに対して,追加のトレーニングやバイアスアノテーションの仮定を必要としないテスト時デバイアス手法を提案する。 提案手法では,対象の視覚属性を抽出するために事前訓練されたセグメンテーションモデルを用いて,非対象領域を調整し,その埋め込みがすべてのクラス固有のテキストプロンプトと均一に類似するようにする。 WaterbirdsとCelebAの実験により、我々の手法は、グループロバストネスメトリクスと注意IoUの両方において、既存のテスト時間偏りのアプローチよりも優れていることが示された。
  論文  参考訳（メタデータ） (2025-11-01T11:57:57Z)
• Latent Feature Alignment: Discovering Biased and Interpretable Subpopulations in Face Recognition Models [2.098253213160396]
  Latent Feature Alignment (LFA) は属性ラベルなしのアルゴリズムで、潜在方向を使ってサブポピュレーションを識別する。 LFAは群内セマンティックコヒーレンスにおいて、k-平均と最近傍探索を一貫して上回る。 これらの結果から,LFAを顔認識モデルの表現監査の実践的手法として位置づけた。
  論文  参考訳（メタデータ） (2025-10-17T10:49:50Z)
• Helping CLIP See Both the Forest and the Trees: A Decomposition and Description Approach [43.419607730361996]
  CLIPのようなビジョンランゲージモデル(VLM)は、対照的な学習を通じて、横断的なアライメントを実現する。 伝統的なプロンプトエンジニアリングは、きめ細かいカテゴリラベルに依存しており、きめ細かい局所的意味論を無視している。 そこで我々は,CLIPが局所化された視覚ディスクリプタを処理できるプラグイン・アンド・プレイソリューションを提案する。
  論文  参考訳（メタデータ） (2025-07-04T10:24:26Z)
• Downstream-Pretext Domain Knowledge Traceback for Active Learning [138.02530777915362]
  本稿では、下流知識と事前学習指導のデータ相互作用をトレースするダウンストリーム・プレテキスト・ドメイン知識トレース(DOKT)手法を提案する。 DOKTは、トレースバックの多様性指標とドメインベースの不確実性推定器から構成される。 10のデータセットで行った実験は、我々のモデルが他の最先端の手法よりも優れていることを示している。
  論文  参考訳（メタデータ） (2024-07-20T01:34:13Z)
• A Closer Look at Benchmarking Self-Supervised Pre-training with Image Classification [51.35500308126506]
  自己教師付き学習(SSL)は、データ自体が監視を提供する機械学習アプローチであり、外部ラベルの必要性を排除している。 SSLの分類に基づく評価プロトコルがどのように相関し、異なるデータセットのダウンストリーム性能を予測するかを検討する。
  論文  参考訳（メタデータ） (2024-07-16T23:17:36Z)
• Leveraging vision-language models for fair facial attribute classification [19.93324644519412]
  汎用視覚言語モデル(英: General-purpose Vision-Language Model, VLM)は、共通感性属性のための豊富な知識源である。 我々は,VLM予測値と人間定義属性分布の対応関係を解析した。 複数のベンチマークの顔属性分類データセットの実験は、既存の教師なしベースラインよりもモデルの公平性の向上を示している。
  論文  参考訳（メタデータ） (2024-03-15T18:37:15Z)
• Learning disentangled representations for explainable chest X-ray classification using Dirichlet VAEs [68.73427163074015]
  本研究では,胸部X線像の非絡み合った潜在表現の学習にDirVAE(Dirichlet Variational Autoencoder)を用いることを検討した。 DirVAEモデルにより学習された多モード潜在表現の予測能力について,補助的多ラベル分類タスクの実装により検討した。
  論文  参考訳（メタデータ） (2023-02-06T18:10:08Z)
• Using Representation Expressiveness and Learnability to Evaluate Self-Supervised Learning Methods [61.49061000562676]
  本稿では,学習可能性を評価するためにCluster Learnability (CL)を導入する。 CLは、K-meansで表現をクラスタリングすることによって得られたラベルを予測するために訓練されたKNNのパフォーマンスで測定される。 CLは、他の競合する評価手法よりも分布内モデルの性能と相関することがわかった。
  論文  参考訳（メタデータ） (2022-06-02T19:05:13Z)
• Explaining Predictions by Approximating the Local Decision Boundary [3.60160227126201]
  局所決定境界近似(DBA)の新しい手法を提案する。 我々は変分オートエンコーダを訓練し、符号化されたデータ表現のユークリッド潜在空間を学習する。 我々は属性アノテーションを利用して、潜在空間をユーザにとって意味のある属性にマッピングします。
  論文  参考訳（メタデータ） (2020-06-14T19:12:42Z)

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。