論文の概要: Reproducible Multimodal Affordance Prediction

• arxiv url: http://arxiv.org/abs/2608.18317v1
• Date: Tue, 18 Aug 2026 21:04:10 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-08-20 20:13:55.207989
• Title: Reproducible Multimodal Affordance Prediction
• Title（参考訳）: 再現可能なマルチモーダルアクダクタンス予測
• Abstract要約: 事前予測とは、エージェントがマルチモーダル入力からターゲットオブジェクトに対して実行可能な潜在的なアクションを識別することである。 不均一な問題定式化、一貫性のないデータセットアノテーション、実験プロトコルの不完全な報告、配置条件に関する限られた情報などにより、予測手法の評価と比較が困難である。 透明性を高めるために,タスクの定式化を詳細に記述した文書であるAffordance Sheetを提案し,その入力モード,モデルアーキテクチャ,トレーニング情報,データセット,実験プロトコルを提案する。
• 参考スコア（独自算出の注目度）: 19.95282560469852
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Affordance prediction is the identification of potential actions an agent can perform on a target object from multimodal inputs. Affordance prediction methods are difficult to evaluate and compare due to heterogeneous problem formulations, inconsistent dataset annotations, incomplete reporting of experimental protocols, and limited information about deployment conditions. These limitations challenge fair benchmarking and performance comparison. To promote transparency, we propose the Affordance Sheet, a documentation detailing task formulation with its input modalities, model architectures and training information, datasets, and experimental protocols. Affordance Sheets enable reproducible benchmarking and reliable evaluation of affordance models for real-world scenarios, including generalisation to novel conditions and human safety.
• Abstract（参考訳）: 事前予測とは、エージェントがマルチモーダル入力からターゲットオブジェクトに対して実行可能な潜在的なアクションを識別することである。 不均一な問題定式化、一貫性のないデータセットアノテーション、実験プロトコルの不完全な報告、配置条件に関する限られた情報などにより、予測手法の評価と比較が困難である。 これらの制限は、公正なベンチマークとパフォーマンス比較に挑戦する。 透明性を高めるために,タスクの定式化を詳細に記述した文書であるAffordance Sheetを提案し,その入力モード,モデルアーキテクチャ,トレーニング情報,データセット,実験プロトコルを提案する。 Affordance Sheetsは、再現可能なベンチマークと、新しい状況への一般化や人間の安全など、現実のシナリオにおける空きモデルの信頼性評価を可能にする。

関連論文リスト

• Conformal Reliability: A New Evaluation Metric for Conditional Generation [62.761166941396844]
  条件付き生成モデルは、近年、様々な応用において顕著な成功を収めている。 本稿では,信頼度を事前に設定した予測値に基づいて,信頼度という新たな評価指標を提案する。 本稿では, 予測セットの構築と, (ii) 構築した予測セット内の信頼性スコアを正確に最適化するフレームワークであるConformal Reliability(CReL)を紹介する。
  論文  参考訳（メタデータ） (2026-05-29T03:52:44Z)
• An Agentic Retrieval Framework for Autonomous Context-Aware Data Quality Assessment [0.0]
  本稿では,自律型文脈認識データ品質評価のための統合型エージェント・検索フレームワークを提案する。 このフレームワークは、意図したデータ使用の自然言語記述を解釈し、コンテキスト対応評価戦略を導出し、実行可能な検証ロジックを生成する。 提案するフレームワークをエンドツーエンドのプロトタイプとして実装し、同じデータセットに適用された複数のユースケースで評価する。
  論文  参考訳（メタデータ） (2026-05-15T11:24:53Z)
• Visual Affordance Prediction: Survey and Reproducibility [19.95282560469852]
  Affordancesは、カメラで観察されるように、エージェントがオブジェクトに対して実行可能な潜在的なアクションである。 視覚的アプライアンス予測は、検出の把握、アプライアンス分類、アプライアンスセグメンテーション、ポーズ推定といったタスクに対して異なる方法で定式化される。 本稿では,対象物についての完全な情報と,目的物に対するエージェントのインタラクションを考慮し,視覚的可視性予測の統一的な定式化を提案する。
  論文  参考訳（メタデータ） (2025-05-08T09:10:05Z)
• Partial Transportability for Domain Generalization [56.37032680901525]
  本稿では, 部分的同定と輸送可能性の理論に基づいて, 対象分布の関数値の有界化に関する新たな結果を紹介する。 我々の貢献は、輸送可能性問題に対する最初の一般的な評価手法を提供することである。 本稿では,スケーラブルな推論を実現するための勾配に基づく最適化手法を提案する。
  論文  参考訳（メタデータ） (2025-03-30T22:06:37Z)
• Exogenous Matching: Learning Good Proposals for Tractable Counterfactual Estimation [1.9662978733004601]
  本稿では, 抽出可能かつ効率的な対実表現推定のための重要サンプリング手法を提案する。 対物推定器の共通上限を最小化することにより、分散最小化問題を条件分布学習問題に変換する。 構造因果モデル (Structure Causal Models, SCM) の様々なタイプと設定による実験による理論的結果の検証と, 対実推定タスクにおける性能の実証を行った。
  論文  参考訳（メタデータ） (2024-10-17T03:08:28Z)
• Explanatory Model Monitoring to Understand the Effects of Feature Shifts on Performance [61.06245197347139]
  そこで本研究では,機能シフトによるブラックボックスモデルの振る舞いを説明する新しい手法を提案する。 本稿では,最適輸送と共有値の概念を組み合わせた提案手法について,説明的性能推定として紹介する。
  論文  参考訳（メタデータ） (2024-08-24T18:28:19Z)
• Predictive Inference in Multi-environment Scenarios [18.324321417099394]
  有効な信頼区間を構築するという課題に対処し、複数の環境にまたがる予測の問題に対処する。 我々は、非伝統的で階層的なデータ生成シナリオにおいて、分散のないカバレッジを得る方法を示すために、Jackknifeとsplit-conformalメソッドを拡張します。 コントリビューションには、非実測値応答の設定の拡張、これらの一般的な問題における予測推論の一貫性の理論、条件付きカバレッジの限界に関する洞察が含まれる。
  論文  参考訳（メタデータ） (2024-03-25T00:21:34Z)
• Efficient Conformal Prediction under Data Heterogeneity [79.35418041861327]
  コンフォーマル予測(CP)は不確実性定量化のための頑健な枠組みである。 非交換性に対処するための既存のアプローチは、最も単純な例を超えて計算不可能なメソッドにつながる。 この研究は、比較的一般的な非交換可能なデータ分布に対して証明可能な信頼セットを生成する、CPに新しい効率的なアプローチを導入する。
  論文  参考訳（メタデータ） (2023-12-25T20:02:51Z)
• Quantification of Predictive Uncertainty via Inference-Time Sampling [57.749601811982096]
  本稿では,データあいまいさの予測不確実性を推定するためのポストホックサンプリング手法を提案する。 この方法は与えられた入力に対して異なる可算出力を生成することができ、予測分布のパラメトリック形式を仮定しない。
  論文  参考訳（メタデータ） (2023-08-03T12:43:21Z)
• Discriminative Multimodal Learning via Conditional Priors in Generative Models [21.166519800652047]
  本研究は,モデルトレーニングにおいて,すべてのモダリティとクラスラベルが利用できる現実的なシナリオについて研究する。 このシナリオでは、変動的な下界境界は、結合表現と欠測モダリティの間の相互情報を制限する。
  論文  参考訳（メタデータ） (2021-10-09T17:22:24Z)
• Meta-Learned Confidence for Few-shot Learning [60.6086305523402]
  数ショットのメトリックベースのアプローチのための一般的なトランスダクティブ推論手法は、最も確実なクエリ例の平均で、各クラスのプロトタイプを更新することである。 本稿では,各クエリの信頼度をメタラーニングして,ラベルのないクエリに最適な重みを割り当てる手法を提案する。 4つのベンチマークデータセットに対してメタ学習の信頼度で、少数ショットの学習モデルを検証した。
  論文  参考訳（メタデータ） (2020-02-27T10:22:17Z)

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。