論文の概要: Uncertainty-Aware Art-Historical Dating with Vision-Language Models

• arxiv url: http://arxiv.org/abs/2608.18984v1
• Date: Wed, 19 Aug 2026 14:50:42 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-08-20 20:13:55.431418
• Title: Uncertainty-Aware Art-Historical Dating with Vision-Language Models
• Title（参考訳）: 視覚言語モデルを用いた不確かさを意識した美術史的年代測定
• Abstract要約: 博物館や考古学的データセットは、歴史的芸術作品の写生ではなく、収集、保存、カタログ化、デジタル化といった重要な歴史を具現化している。 本研究では, この現象を時間的絡み合いとして記述し, 凍結画像埋め込みに対する不確実性を考慮した回帰課題として, 年代測定を定式化し検討する。
• 参考スコア（独自算出の注目度）: 7.356172523902477
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Museum and archival datasets do not mirror historical artistic production, but materialize the contingent histories of collecting, preservation, cataloging, and digitization. This has direct consequences for interpreting pretrained image representations: they may appear to encode historical time while actually encoding the institutional conditions under which objects become visible as data. We describe this phenomenon as temporal entanglement and investigate it by formulating artwork dating as an uncertainty-aware regression task over frozen image embeddings. We evaluate several pretrained vision models on a temporally controlled Wikidata corpus of artworks. Our results show that these models contain usable temporal information, with Vision-Language Models (VLMs) outperforming purely visual self-supervised baselines. However, a qualitative analysis indicates that this temporal knowledge is shaped by various biases.
• Abstract（参考訳）: 博物館や考古学的データセットは、歴史的芸術作品の写生ではなく、収集、保存、カタログ化、デジタル化といった重要な歴史を具現化している。 これは、事前訓練された画像表現の解釈に直接的な結果をもたらす:それらは歴史的時間をエンコードし、実際にオブジェクトがデータとして見えるような制度的な条件をエンコードしているように見える。 本研究では, この現象を時間的絡み合いとして記述し, 凍結画像埋め込みに対する不確実性を考慮した回帰課題として, 年代測定を定式化し検討する。 美術品のWikidataコーパスを用いて,事前学習された視覚モデルの評価を行った。 その結果、これらのモデルには時間情報が含まれており、視覚言語モデル(VLM)は純粋に視覚的自己監督ベースラインを上回っていることがわかった。 しかし、質的な分析は、この時間的知識が様々なバイアスによって形成されていることを示している。

関連論文リスト

• Conducting Stylistic Analysis of Paintings through an Art-History Agent [0.0]
  絵画のスタイリスティック分析を自動化するAIフレームワークを提案する。 視覚変換器(ViT)を大量の絵画のコーパスにメタデータで訓練することにより,この美術史固有のデータを埋め込みとして符号化する。 大型言語モデル(LLM)は、関連するアートワークとその付随するキュレーターによるテキストを取得して、それらを記述に合成することによって、それぞれの特徴を解釈する。
  論文  参考訳（メタデータ） (2026-08-30T08:10:58Z)
• Seeing Time: Benchmarking Chronological Reasoning and Shortcut Biases in Vision-Language Models [12.772555267973123]
  本稿では,視覚言語モデルが時系列情報をどのように知覚し,理由を判断するかを評価するための新しいベンチマークを提案する。 我々の研究は、時間的判断の根底にある論理とマルチモーダル統合への展開を掘り下げている。
  論文  参考訳（メタデータ） (2026-06-04T04:49:09Z)
• On the Cultural Anachronism and Temporal Reasoning in Vision Language Models [35.132248635251266]
  ヴィジュアル・ランゲージ・モデル(VLM)は、文化遺産にますます応用されている。 この研究は、これらのモデルが歴史的アーティファクトをどのように解釈するかという根本的な問題を特定する。 我々は、この現象を、時間的に不適切な概念を用いて歴史的対象を誤解釈する傾向である文化的アナクロニズムと定義する。
  論文  参考訳（メタデータ） (2026-05-14T16:58:16Z)
• Does AI See like Art Historians? Interpreting How Vision Language Models Recognize Artistic Style [60.562013130566726]
  VLMの芸術的スタイル予測能力の基盤となるメカニズムを特徴付ける。 我々は、アートスタイルの予測を駆動する概念を特定するために、潜在空間分解アプローチを採用する。 スタイルの予測に無関係な概念が使われた場合、美術史家はその成功の可能性がある理由を特定した。
  論文  参考訳（メタデータ） (2026-03-11T17:49:45Z)
• Synthetic History: Evaluating Visual Representations of the Past in Diffusion Models [2.9793019246605676]
  本稿では,テキスト・トゥ・イメージ(TTI)モデルが歴史的文脈をどのように表現するかを評価するためのベンチマークを紹介する。 このベンチマークは、3つの最先端拡散モデルによって生成される3万の合成画像のデータセットであるHistVisを組み合わせたものだ。 生成した画像は,(1)意図しない立体的協会,(2)歴史的一貫性,(3)デモグラフィー表現の3つの重要な側面で評価した。
  論文  参考訳（メタデータ） (2025-05-18T13:35:23Z)
• KITTEN: A Knowledge-Intensive Evaluation of Image Generation on Visual Entities [93.74881034001312]
  KITTENはKnowledge-InTensiveイメージジェネラティオンのベンチマークである。 我々は最新のテキスト・画像モデルと検索強化モデルについて体系的な研究を行う。 分析によると、高度なテキスト・ツー・イメージモデルでさえ、エンティティの正確な視覚的詳細を生成できない。
  論文  参考訳（メタデータ） (2024-10-15T17:50:37Z)
• PHD: Pixel-Based Language Modeling of Historical Documents [55.75201940642297]
  実史文書に類似した合成スキャンを生成する新しい手法を提案する。 我々は,1700-1900年代における合成スキャンと実際の歴史新聞を組み合わせて,我々のモデルであるPHDを事前訓練した。 我々は、この領域におけるその有用性を強調しながら、我々のモデルを歴史的QAタスクに適用することに成功しました。
  論文  参考訳（メタデータ） (2023-10-22T08:45:48Z)
• Blind Dates: Examining the Expression of Temporality in Historical Photographs [57.07335632641355]
  マルチモーダル言語とビジョンモデルであるCLIPのオープンソース実装であるOpenCLIPを用いて、画像の日付を調査する。 我々は1950年から1999年までの39,866枚のグレースケールの歴史的プレス写真を含むtextitDe Boer Scene Detectionデータセットを使用している。 解析の結果、バス、車、猫、犬、そして人々が写っている画像はより正確に年代付けされており、時間的マーカーの存在が示唆されている。
  論文  参考訳（メタデータ） (2023-10-10T13:51:24Z)
• TempSAL -- Uncovering Temporal Information for Deep Saliency Prediction [64.63645677568384]
  本稿では,逐次時間間隔でサリエンシマップを出力する新たなサリエンシ予測モデルを提案する。 提案手法は,学習した時間マップを組み合わせることで,サリエンシ予測を局所的に調整する。 私たちのコードはGitHubで公開されます。
  論文  参考訳（メタデータ） (2023-01-05T22:10:16Z)
• Perceptual Grouping in Contrastive Vision-Language Models [59.1542019031645]
  画像内の物体の位置を視覚言語モデルで理解し,画像の視覚的関連部分をグループ化する方法について述べる。 本稿では,意味情報と空間情報の両方を一意に学習するモデルとして,最小限の修正を提案する。
  論文  参考訳（メタデータ） (2022-10-18T17:01:35Z)

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。