論文の概要: Lexical Coupling in GUI Element Grounding: Sentence Embeddings Track Labels across Mobile and Web

• arxiv url: http://arxiv.org/abs/2608.21794v1
• Date: Sat, 22 Aug 2026 06:30:03 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-08-25 13:29:43.471623
• Title: Lexical Coupling in GUI Element Grounding: Sentence Embeddings Track Labels across Mobile and Web
• Title（参考訳）: GUI要素グラウンディングにおけるレキシカルカップリング - モバイルとWebをまたがったラベルのセンテンス埋め込み
• Abstract要約: 語彙ベースラインはトップ1で競争力があり、テキストのみの手法ではラベルポーアターゲットが弱いままであり、エンコーダトップ1ヒットは語彙ランク、候補プールサイズ、ラベルタイプから予測可能である。 したがって、埋め込みに基づく評価では、語彙ベースライン、ラベル型層化、デプロイ可能な融合診断を報告すべきである。
• 参考スコア（独自算出の注目度）: 8.471780334766448
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: GUI grounding evaluations that expose UI elements as text metadata often treat high instruction-element embedding similarity as evidence of semantic grounding. Across three mobile and web benchmarks, we show that this interpretation is frequently confounded by visible-label recovery. Lexical baselines remain competitive at top-1, label-poor targets remain weak for text-only methods, and encoder top-1 hits are predictable from lexical rank, candidate-pool size, and label type. We evaluate each action as a same-screen ranking task, comparing five off-the-shelf single-vector encoders with lexical baselines. Encoders recover some lexical misses, but deployable fusion gains are much smaller than target-aware oracle gains. These findings show that embedding-based evaluations can conflate visible-label recovery with semantic GUI grounding. Embedding-based evaluations should therefore report lexical baselines, label-type stratification, and deployable-fusion diagnostics. Our released repository provides analysis scripts and detexted per-step panels: https://github.com/qijia123/lexical-coupling-release.
• Abstract（参考訳）: UI要素をテキストメタデータとして公開するGUIグラウンド評価は、しばしば意味的なグラウンドの証拠として、高い命令要素の埋め込み類似性を扱います。 モバイルとウェブの3つのベンチマークで、この解釈は可視ラベルの回復によってしばしば確立されることを示す。 語彙ベースラインはトップ1で競争力があり、テキストのみの手法ではラベルポーアターゲットが弱いままであり、エンコーダトップ1ヒットは語彙ランク、候補プールサイズ、ラベルタイプから予測可能である。 我々は,各アクションを同一画面ランキングタスクとして評価し,オフザシェル単一ベクトルエンコーダ5つと語彙ベースラインを比較した。 エンコーダはいくつかの語彙ミスを回復するが、デプロイ可能な核融合ゲインはターゲットが認識するオラクルゲインよりもはるかに小さい。 これらの結果から, 組込みによる評価は, セマンティックGUIグラウンドディングと可視ラベル回復を両立させることができることがわかった。 したがって、埋め込みに基づく評価では、語彙ベースライン、ラベル型層化、デプロイ可能な融合診断を報告すべきである。 リリースしたリポジトリは、分析スクリプトとステップごとのデテキストを提供する。

関連論文リスト

• LARGER: Lexically Anchored Repository Graph Exploration and Retrieval [9.90137784523552]
  リポジトリレベルのコーディングエージェントは、まずタスクに関連するファイルとシンボルをローカライズする必要がある。 既存のアプローチでは、エージェントのインタラクションループを断片化する別々のグラフツールやステージが必要になることが多い。 LARGER(Lexically anchored active-set search framework)は、語彙マッチングから始まり、それらをグラフアンカーにアライメントし、エージェントの既存のサーチループ内で信頼フィルタリングされた局所展開を実行する。
  論文  参考訳（メタデータ） (2026-05-08T05:03:46Z)
• Utilizing Metadata for Better Retrieval-Augmented Generation [10.865886799087782]
  本稿ではメタデータを意識した検索手法の体系的研究を行う。 平文のベースラインとメタデータを直接埋め込むアプローチを比較します。 プレフィックスと統合埋め込みは、平文ベースラインを一貫して上回ります。
  論文  参考訳（メタデータ） (2026-01-17T01:11:03Z)
• SMILE: A Composite Lexical-Semantic Metric for Question-Answering Evaluation [55.26111461168754]
  本稿では,文レベルの意味理解とキーワードレベルの意味理解と簡単なキーワードマッチングを組み合わせた新しいアプローチであるSemantic Metric Integrating Lexical Exactnessを紹介する。 人間の判断と計算学的に軽量であり、語彙的評価と意味的評価のギャップを埋める。
  論文  参考訳（メタデータ） (2025-11-21T17:30:18Z)
• Exploiting Inherent Class Label: Towards Robust Scribble Supervised Semantic Segmentation [15.439883888976464]
  頑健なスクリブル教師付きセマンティックセマンティックセグメンテーションのためのクラス駆動型スクリブルプロモーションネットワークを提案する。 ネットワーク内では,ノイズラベルを緩和するローカライゼーション修正モジュールと,スクリブルアノテーションや擬似ラベルを取り巻く信頼性のある領域を識別する距離知覚モジュールを導入する。 提案手法は,既存の手法よりも優れていることを示すとともに,精度と堅牢性の両方において競争性能を示す。
  論文  参考訳（メタデータ） (2025-03-18T04:43:07Z)
• Scribbles for All: Benchmarking Scribble Supervised Segmentation Across Datasets [51.74296438621836]
  Scribbles for Allは、スクリブルラベルに基づいて訓練されたセマンティックセグメンテーションのためのラベルおよびトレーニングデータ生成アルゴリズムである。 弱い監督の源泉としてのスクリブルの主な制限は、スクリブルセグメンテーションのための挑戦的なデータセットの欠如である。 Scribbles for Allは、いくつかの人気のあるセグメンテーションデータセットのスクリブルラベルを提供し、密集したアノテーションを持つデータセットのスクリブルラベルを自動的に生成するアルゴリズムを提供する。
  論文  参考訳（メタデータ） (2024-08-22T15:29:08Z)
• SegVG: Transferring Object Bounding Box to Segmentation for Visual Grounding [56.079013202051094]
  ボックスレベルのアノテーションを信号として転送する新しい手法であるSegVGを提案する。 このアプローチでは,ボックスレベルのレグレッションとピクセルレベルのセグメンテーションの両方の信号としてアノテーションを反復的に利用することができる。
  論文  参考訳（メタデータ） (2024-07-03T15:30:45Z)
• Exploring Structured Semantic Prior for Multi Label Recognition with Incomplete Labels [60.675714333081466]
  不完全なラベルを持つマルチラベル認識(MLR)は非常に難しい。 最近の研究は、視覚言語モデルであるCLIPにおける画像とラベルの対応を探り、不十分なアノテーションを補うことを目指している。 我々は,MLRにおけるラベル管理の欠如を,構造化されたセマンティクスを導出することにより,不完全なラベルで修復することを提唱する。
  論文  参考訳（メタデータ） (2023-03-23T12:39:20Z)
• Empowering Sentence Encoders with Prompting and Label Retrieval for Zero-shot Text Classification [5.484132137132862]
  我々のフレームワークであるRaLPは、文エンコーダでラベル候補をエンコードし、入力テキスト埋め込みと最もよく似たラベルを割り当てる。 RaLPは、様々なクローズドセット分類とマルチチョイスQAデータセットに基づいて、はるかに大きなベースラインよりも、競争力や強いパフォーマンスを実現している。
  論文  参考訳（メタデータ） (2022-12-20T16:18:03Z)
• DeepSolo: Let Transformer Decoder with Explicit Points Solo for Text Spotting [129.73247700864385]
  DeepSoloは単純な検出トランスフォーマーのベースラインで、テキスト検出と認識を同時に行うためのExplicit Points Soloを備えた1つのデコーダを提供する。 我々は、より正確な監視信号を提供するためにテキストマッチング基準を導入し、より効率的な訓練を可能にした。
  論文  参考訳（メタデータ） (2022-11-19T19:06:22Z)
• Lex2Sent: A bagging approach to unsupervised sentiment analysis [0.628122931748758]
  本稿では,テキストの分類方法として,Lex2Sentを提案する。 テキストを分類するために、文書埋め込みと適切な辞書の埋め込みの距離を決定するために埋め込みモデルを訓練する。 本稿では,このモデルがレキシカよりも優れており,バイナリ感情分析のタスクにおいて,高パフォーマンスな数発の微調整手法の基盤となることを示す。
  論文  参考訳（メタデータ） (2022-09-26T20:49:18Z)
• Scribble2Label: Scribble-Supervised Cell Segmentation via Self-Generating Pseudo-Labels with Consistency [8.590026259176806]
  我々はScribble2Labelを紹介した。 その中核となる考え方は、擬似ラベルとラベルフィルタリングを組み合わせて、弱い監督から信頼できるラベルを生成することである。 提案手法は,様々なレベルのスクリブルディテールに対して頑健に動作することを示し,実使用例ではわずかなスクリブルアノテーションしか必要としないことを確認した。
  論文  参考訳（メタデータ） (2020-06-23T10:51:26Z)
• Structured Prediction with Partial Labelling through the Infimum Loss [85.4940853372503]
  弱い監督の目標は、収集コストの安いラベル付け形式のみを使用してモデルを学習できるようにすることである。 これは、各データポイントに対して、実際のものを含むラベルのセットとして、監督がキャストされる不完全なアノテーションの一種です。 本稿では、構造化された予測と、部分的なラベリングを扱うための無限損失の概念に基づく統一的なフレームワークを提供する。
  論文  参考訳（メタデータ） (2020-03-02T13:59:41Z)

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。