論文の概要: A Simulator-Grounded Framework For Constructing Verifiable Muscle-Grounded QA From 3D Tongue Meshes (extended version)
- arxiv url: http://arxiv.org/abs/2608.23137v2
- Date: Wed, 26 Aug 2026 11:27:29 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-08-27 14:15:15.045813
- Title: A Simulator-Grounded Framework For Constructing Verifiable Muscle-Grounded QA From 3D Tongue Meshes (extended version)
- Title（参考訳）: 3Dトングメッシュから検証可能な筋肉周囲QAを構築するためのシミュレータ・グラウンドド・フレームワーク(拡張版)
- Authors: Seungho Eum, Unsang Park,
- Abstract要約: 我々はシミュレーター付きデータ構築フレームワークを導入し、それを3DTongueQAとしてインスタンス化する。
制御された11次元筋活動は、固定トポロジー舌メッシュにマッピングされる。
295,157のコンフィギュレーションをスクリーニングし、295,115の有効なメッシュを保持し、言語毎に891,156のQAレコードを構築します。
- 参考スコア（独自算出の注目度）: 1.4323566945483497
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Existing articulatory corpora based on real-time MRI and electromagnetic articulography capture tongue shape and motion but do not provide traceable labels for the muscle-driven process that generated an observed configuration. We introduce a simulator-grounded data-construction framework and instantiate it as 3DTongueQA. Controlled 11-dimensional muscle activations are mapped to fixed-topology tongue meshes with the ArtiSynth Badin finite-element model, converted into structured biomechanical records, and rendered as deterministic QA on muscle state, geometry, and target-directed change. We screen 295,157 configurations, retain 295,115 valid meshes, and construct 891,156 QA records per language. Language naturalization changes only surface form and is verified against the source records; English and Korean instantiations demonstrate construction-level portability. A swappable SpiralNet++--Qwen3-8B baseline reaches 62.9 $\pm$ 9.2 Muscle EM, 74.0 $\pm$ 0.2 Value Accuracy, and 65.9 $\pm$ 4.7 Direction EM, while mismatching the paired mesh reduces Muscle EM to 2.2; a dataset-leakage-controlled anchor-held-out model retains 80.4--98.6\% of the full-inventory scores on unseen anchors. Task-specific structured readouts further reach 88.7 $\pm$ 0.7 Muscle EM and 93.3 $\pm$ 1.0 Direction EM. These complementary results show that the constructed supervision supports both efficient structured prediction and heterogeneous natural-language QA rather than being tied to a particular decoder architecture.
- Abstract（参考訳）: 既存の音声コーパスは、リアルタイムMRIと電磁関節造影で舌の形状と動きを捉えているが、観察された構成を生成する筋肉駆動プロセスの追跡可能なラベルは提供していない。
我々はシミュレーター付きデータ構築フレームワークを導入し、それを3DTongueQAとしてインスタンス化する。
制御された11次元筋活動は、ArtiSynth Badin有限要素モデルを用いて固定トポロジー舌メッシュにマッピングされ、構造化生体力学記録に変換され、筋肉の状態、形状、ターゲット指向の変化に関する決定論的QAとして表現される。
295,157のコンフィギュレーションをスクリーニングし、295,115の有効なメッシュを保持し、言語毎に891,156のQAレコードを構築します。
言語自然化は表面形態のみを変え、ソースレコードに対して検証され、英語と韓国語のインスタンス化は建設レベルの移植性を示す。
スワップ可能なSpralNet++--Qwen3-8Bベースラインは 62.9 $\pm$ 9.2 muscle EM, 74.0 $\pm$ 0.2 Value Accuracy, 65.9 $\pm$ 4.7 Direction EMに到達し、またペアメッシュのミスマッチによりMoto EMは2.2に減少する。
タスク固有の構造化された読み出しは、さらに88.7$\pm$ 0.7 muscle EMと93.3$\pm$ 1.0 Direction EMに達する。
これらの補完的な結果は、構築された監督は、特定のデコーダアーキテクチャに縛られるのではなく、効率的な構造化予測と異種自然言語QAの両方をサポートすることを示している。
関連論文リスト
- Spatial-Aware Reduction Framework: Towards Efficient and Faithful Visual State Space Models [71.59431204970339]
STORMは空間対応のトークン還元フレームワークである。
空間単位上の構造演算に還元を再構成する。
様々なビジョンのMambaバックボーンにまたがって最先端のプルーニング精度を実現する。
論文 参考訳（メタデータ） (2026-06-18T08:31:11Z) - Benchmarking Speech-to-Speech Translation Models [55.00303727199927]
音声音声翻訳(S2ST)は急速に進歩しているが、オフライン評価には統一されたプロトコルが欠けている。
8次元にわたる46のメトリクスを統合するベンチマークフレームワークを導入する。
FLEURSとCVSSから1,248のモデル言語構成でデプロイする。
論文 参考訳（メタデータ） (2026-06-02T07:01:33Z) - ProtStructQA: A Denotation Threshold in Protein Structural Reasoning [2.997268954610233]
ProtStructQAはタンパク質構造質問応答の実行可能なベンチマークである。
信頼性、距離、予測誤差(PAE)、溶媒暴露、二次構造、トポロジ、接触に関する382.2Kの質問を公表する。
我々はQwen3-1.7BとQwen3-4Bの間に能力依存的な記述しきい値を求める。
論文 参考訳（メタデータ） (2026-05-30T00:42:38Z) - GenAI-FDIA: Physics-Informed Generative Models for False Data Injection Attacks [0.5729426778193398]
電力系統に対する偽データ注入攻撃(FDIA)の訓練と評価は、データ不足によって制限される。
物理対応FDIA合成のためのP=20$アーキテクチャのプールをベンチマークするフレームワークであるtextscGenAI-FDIAを提案する。
論文 参考訳（メタデータ） (2026-05-15T19:51:08Z) - Incentivizing Parametric Knowledge via Reinforcement Learning with Verifiable Rewards for Cross-Cultural Entity Translation [68.85147984815778]
本稿では, EA-RLVR(Entity-Anchored Reinforcement Learning with Verifiable Rewards)を提案する。
EA-RLVRは、検証可能なエンティティレベルの報酬信号の監視をアンカーし、最適化を安定させるために軽量な構造ゲートを組み込む。
EA-RLVRをXC-Translate上で評価し、エンティティ翻訳精度とドメイン外一般化の両面で一貫した改善を観察する。
論文 参考訳（メタデータ） (2026-04-18T07:15:43Z) - KUET at StanceNakba Shared Task: StanceMoE: Mixture-of-Experts Architecture for Stance Detection [2.5199066832791526]
StanceMoEは、アクターレベルのスタンス検出のための微細調整されたBERTエンコーダ上に構築された、コンテキスト強化型Mixture-of-Experts (MoE)アーキテクチャである。
本モデルでは,補完的な言語信号の取得を目的とした6つの専門モジュールを統合した。
StanceNakba 2026 Subtask Aデータセットで、1,401の注釈付き英語テキストを含む実験が行われた。
論文 参考訳（メタデータ） (2026-04-01T13:24:03Z) - Rigidity-Aware Geometric Pretraining for Protein Design and Conformational Ensembles [74.32932832937618]
我々は、微調整の前に幾何学学習を前もってロードする幾何学事前学習フレームワークであるtextbfRigidSSL$(textitRigidity-Aware Self-Supervised Learning$)を紹介した。
フェーズI(RigidSSL-Perturb)は、AlphaFoldタンパク質構造データベースから432K構造から、シミュレートされた摂動を持つ幾何学的先行を学習する。
フェーズII(RigidSSL-MD)は、1.3K分子動力学軌道上のこれらの表現を洗練し、物理的に現実的な遷移を捉える。
論文 参考訳（メタデータ） (2026-03-02T21:32:30Z) - ReLE: A Scalable System and Structured Benchmark for Diagnosing Capability Anisotropy in Chinese LLMs [37.23311145049677]
本稿では,機能異方性(Capability Anisotropy)を診断するためのスケーラブルなシステムであるReLEを提案する。
我々は,207,843サンプルからなる領域$times$ Capability SymbolicMatrixの304モデルを評価した。
論文 参考訳（メタデータ） (2026-01-24T09:57:59Z) - URDF-Anything: Constructing Articulated Objects with 3D Multimodal Language Model [76.08429266631823]
3次元マルチモーダル大言語モデル(MLLM)に基づくエンドツーエンドの自動再構築フレームワークを提案する。
URDF-Anythingは、ポイントクラウドとテキストマルチモーダル入力に基づく自己回帰予測フレームワークを使用して、幾何学的セグメンテーションと運動論的パラメータ予測を協調的に最適化する。
シミュレーションと実世界の両方のデータセットの実験は、我々の手法が既存の手法よりも大幅に優れていることを示した。
論文 参考訳（メタデータ） (2025-11-02T13:45:51Z) - SmoothNets: Optimizing CNN architecture design for differentially
private deep learning [69.10072367807095]
DPSGDは、サンプルごとの勾配の切り抜きとノイズ付けを必要とする。
これにより、非プライベートトレーニングと比較してモデルユーティリティが削減される。
SmoothNetと呼ばれる新しいモデルアーキテクチャを蒸留し,DP-SGDトレーニングの課題に対するロバスト性の向上を特徴とした。
論文 参考訳（メタデータ） (2022-05-09T07:51:54Z)
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。