論文の概要: Vision-Language Models for Analog Gauge Reading: An Empirical Study of Specialization, Transfer and Reliability

• arxiv url: http://arxiv.org/abs/2608.17723v1
• Date: Tue, 18 Aug 2026 12:47:14 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-08-19 21:40:53.338252
• Title: Vision-Language Models for Analog Gauge Reading: An Empirical Study of Specialization, Transfer and Reliability
• Title（参考訳）: アナログゲージ読解のための視覚言語モデル:特殊化・伝達・信頼性に関する実証的研究
• Abstract要約: 本研究は,汎用視覚言語モデル(VLM)の特殊化,伝達,堅牢性,信頼性の体系的評価である。 Qwen2.5-VL-7B-インストラクトモデルは、ゼロショットプロンプト、インコンテキストラーニング(ICL)、および量子化低ランク適応(QLoRA)を用いたパラメータ効率の微調整を用いて評価される。 最高の微調整MPE値は、95%信頼区間(CI)が1.43-3.90%、圧力ゲージデータセットが2.61%、CIが1.66-3.80%、および4.4の合成データセットで2.39%である。
• 参考スコア（独自算出の注目度）: 3.112410411428948
• License: http://creativecommons.org/licenses/by-nc-nd/4.0/
• Abstract: Analog gauges remain common in industrial environments where manual inspection is costly or hazardous. The engineering application addressed here is direct numerical reading of single-target analog-gauge images, while the artificial-intelligence contribution is a systematic evaluation of specialization, transfer, robustness and reliability for a general-purpose vision-language model (VLM) without an explicit pointer-segmentation and geometric-reading pipeline. The Qwen2.5-VL-7B-Instruct model is evaluated using zero-shot prompting, in-context learning (ICL) and parameter-efficient fine-tuning with Quantized Low-Rank Adaptation (QLoRA) on a public synthetic dataset, a video-derived Pressure Gauge dataset and a proprietary industrial dataset. All fine-tuning experiments use a fixed 20-epoch protocol with the final epoch used for analysis; separate models with and without supplied gauge ranges remove prompt-setting confounds. The primary metric is range-normalized mean percentage error (MPE). The best fine-tuned MPE values are 2.39% on the synthetic dataset, with a 95% bootstrap confidence interval (CI) of 1.43-3.90%; 2.61% on the Pressure Gauge dataset, with a CI of 1.66-3.80%; and 4.43% on the proprietary industrial dataset, with a CI of 2.31-7.14%. Leave-one-dataset-out experiments reveal substantial transfer degradation on held-out synthetic and proprietary data, while robustness tests identify Gaussian blur as the strongest tested corruption. Reliability analysis shows that high-confidence errors remain possible, motivating abstention and independent validation in safety-critical use. These results support QLoRA-specialized VLMs for direct single-gauge reading but not yet a deployment-ready plant-monitoring pipeline.
• Abstract（参考訳）: アナログゲージは、手動検査がコストがかかるか危険である産業環境では依然として一般的である。 ここでの工学的応用は、単一ターゲットのアナログゲージ画像の直接数値読解であり、一方、人工知能寄与は、明示的なポインタ分割と幾何学的可読パイプラインを使わずに、汎用視覚言語モデル(VLM)の特殊化、伝達、堅牢性、信頼性の体系的評価である。 Qwen2.5-VL-7B-インストラクトモデルは、パブリックな合成データセット、ビデオ由来の圧力ゲージデータセット、およびプロプライエタリな産業データセット上で、ゼロショットプロンプト、インコンテキストラーニング(ICL)、および量子化低ランク適応(QLoRA)によるパラメータ効率の微調整を用いて評価される。 全ての微調整実験では、解析に使用する最終エポックが固定された20エポックプロトコルが使用される。 主な指標は範囲正規化平均パーセンテージ誤差(MPE)である。 最高の微調整MPE値は、合成データセットで2.39%、95%のブートストラップ信頼区間(CI)が1.43-3.90%、圧力ゲージデータセットで2.61%、CIで1.66-3.80%、プロプライエタリな産業データセットで4.43%、CIで2.31-7.14%である。 残余のデータセットアウト実験では、保持された合成データとプロプライエタリデータの転送が大幅に低下する一方、ロバストネステストでは、ガウスのぼかしを最も強い試験的腐敗とみなしている。 信頼性分析は、信頼性の高いエラーは引き続き可能であり、安全クリティカルな使用において、棄却と独立した検証を動機付けていることを示している。 これらの結果は、直接単ゲージ読み出しのためのQLoRA特化VLMをサポートするが、まだデプロイメント対応の植物モニタリングパイプラインではない。

関連論文リスト

• IPM-FM: A Foundation Model with Consensus Feature Selection for Industrial Process Monitoring [59.59850511287819]
  産業プロセス監視基盤モデル(IPM-FM)を提案する。 まず、自己教師付き事前学習を通じて、ラベルのない産業プロセスデータから汎用的な表現を学習する。 少数のタスクラベル付きデータを使用して特定の監視タスクに適応し、最終的に校正された予測を生成する。
  論文  参考訳（メタデータ） (2026-09-08T07:43:04Z)
• Evaluating a 4B open-weights local LLM for agentic DFT workflows: a literature reproducibility audit [0.0]
  この研究は、様々なハードウェア制約に対して自律的な科学パイプラインを実行するオープンウェイトQwen3:4Bモデルを評価する。 このシステムは、非構造化テキストからパラメータを抽出し、それらを密度汎関数理論(DFT)入力に変換し、シミュレーションを収束させる。
  論文  参考訳（メタデータ） (2026-08-30T08:59:05Z)
• Can You Trust the Confidence? ConfBench for Vision-Language Models on Document Extraction [13.176724997257802]
  既存のドキュメントベンチマークはクリーンで高品質なサンプルによって支配されています。 鍵情報抽出のための最初のキャリブレーション特化ベンチマークであるConfBenchを紹介する。 我々は,言語的および対数確率的信頼度推定法により,プロプライエタリな4つのVLMとオープンウェイトな3つのVLMを評価した。
  論文  参考訳（メタデータ） (2026-08-03T07:03:51Z)
• TimeLAVA: Learning-Agnostic Data Valuation for Time Series [48.76711740818533]
  TimeLAVAは、評価データと参照データの間の分布差を最小限に抑えるために、時間セグメントを限界貢献によって評価する学習非依存のフレームワークである。 モデルに依存しない一般化にバリュエーションをリンクする理論的保証を提供し、汚染に対する有界感度を証明する。
  論文  参考訳（メタデータ） (2026-06-17T06:16:16Z)
• Joint Model and Data Sparsification via the Marginal Likelihood [53.29070892356214]
  本稿では,個々の特徴とサンプルの相違点を同時学習し,同時にモデルとデータスペーシングを実現することを提案する。 このモデルとデータの対称的なプルーニングは、共役を保存する自然な拡張を提供する。 多様な回帰タスクにわたる経験的結果は、共同ARDアプローチがスパースモデルとロバスト予測モデルの両方を一貫して生成することを確認した。
  論文  参考訳（メタデータ） (2026-05-28T13:26:53Z)
• Benchmarking Large Language Models for Safety Data Extraction [0.0]
  本研究では、SDSデータの自動抽出のための最先端の大規模言語モデル(LLM)をベンチマークする。 Gemini 1.5 Pro, GPT-4o, Claude 3.7 Sonnet, Llama 3.1-70Bの4つのモデルについて, 3つのプロンプト戦略について検討した。 その結果、テキストベースの抽出は、すべてのメトリクスでマルチモーダル処理を一貫して上回っていることがわかった。
  論文  参考訳（メタデータ） (2026-04-22T12:12:25Z)
• Flexible Gravitational-Wave Parameter Estimation with Transformers [73.44614054040267]
  本稿では,予測時間における多様な解析設定への適応を可能にする,フレキシブルトランスフォーマーベースのアーキテクチャをトレーニング戦略と組み合わせて導入する。 我々は、Dingo-T1と呼ばれる単一のフレキシブルモデルが、第3のLIGO-Virgo-KAGRA観測ランから48の重力波イベントを解析できることを実証した。
  論文  参考訳（メタデータ） (2025-12-02T17:49:08Z)
• IAD-R1: Reinforcing Consistent Reasoning in Industrial Anomaly Detection [11.178131621535261]
  普遍的なポストトレーニングフレームワークであるIAD-R1は、異常検出機能を大幅に強化する。 IAD-R1は7つのVision-Language Model(VLM)で大幅に改善された IAD-R1はGPT-4.1やClaude-Sonnet-4といった商用モデルを上回るゼロショット設定である。
  論文  参考訳（メタデータ） (2025-08-07T09:34:45Z)
• Semi-Supervised Defect Detection via Conditional Diffusion and CLIP-Guided Noise Filtering [8.132909775584395]
  本稿では条件拡散(DSYM)に基づく半教師付き欠陥検出フレームワークを提案する。 条件拡散モデルでは,複数スケールの擬似欠陥サンプルを合成し,CLIPクロスモーダル特徴量に基づくノイズフィルタリング機構によりラベル汚染を緩和する。 本研究は,工業品質検査シナリオにおける欠陥検出のための高精度で低ラベル依存のソリューションを提供する。
  論文  参考訳（メタデータ） (2025-07-08T01:53:34Z)
• Conservative Prediction via Data-Driven Confidence Minimization [70.93946578046003]
  機械学習の安全性クリティカルな応用においては、モデルが保守的であることが望ましいことが多い。 本研究では,不確実性データセットに対する信頼性を最小化するデータ駆動信頼性最小化フレームワークを提案する。
  論文  参考訳（メタデータ） (2023-06-08T07:05:36Z)
• Leveraging Unlabeled Data to Predict Out-of-Distribution Performance [63.740181251997306]
  実世界の機械学習デプロイメントは、ソース(トレーニング)とターゲット(テスト)ディストリビューションのミスマッチによって特徴づけられる。 本研究では,ラベル付きソースデータとラベルなしターゲットデータのみを用いて,対象領域の精度を予測する手法を検討する。 本稿では,モデルの信頼度をしきい値として学習し,精度をラベルなし例のごく一部として予測する実践的手法である平均閾値保持信頼度(ATC)を提案する。
  論文  参考訳（メタデータ） (2022-01-11T23:01:12Z)

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。