論文の概要: CVE-SAI: Counterfactual Visual Evidence-Guided Selective Attribute Indexing for Risk-Controlled E-commerce Search
- arxiv url: http://arxiv.org/abs/2608.25023v1
- Date: Tue, 25 Aug 2026 18:10:36 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-08-27 14:15:15.406052
- Title: CVE-SAI: Counterfactual Visual Evidence-Guided Selective Attribute Indexing for Risk-Controlled E-commerce Search
- Title（参考訳）: CVE-SAI:リスク管理されたEコマース検索のための非現実的な視覚的証拠誘導選択属性インデックス
- Abstract要約: マルチモーダル製品モデルは、欠落したeコマース属性を補完することができる。
現在の手法は依然として属性答え精度を最適化し、持続的なインデックス入力を伴う過渡的予測を記述している。
本稿では,これらのギャップを視覚的エビデンスをガイドとした選択属性歪曲法を用いて解決する。
- 参考スコア（独自算出の注目度）: 12.763061404384601
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Multimodal product models can complete missing e-commerce attributes, yet current methods still optimize attribute-answer accuracy without verifying visual support, conflate transient prediction with persistent index admission, and lack explicit risk control over factually incorrect or visually unsupported values. We address these gaps with Counterfactual Visual Evidence-Guided Selective Attribute Indexing (CVE-SAI), which first infers and freezes an ontology-constrained candidate from the primary image and attribute question without catalog text, and then decides whether that candidate should enter the index. Focus-Zone Distortion (FZD) constructs an attribute-specific visual-dependence proxy through a controlled counterfactual intervention, and Evidence-Guided Attention Redistribution (EGAR) uses the proxy to refine ontology-constrained scoring. The canonical candidate is frozen before evidence necessity, evidence retention, nuisance-transformation stability, and candidate-specific catalog-text conflict audits; catalog text can only tighten admission and cannot revise the candidate. Independent family-level calibration selects one policy with a simultaneous one-sided finite-sample bound under a 5% unsafe-admission budget. Experiments on five visual attributes derived from Amazon Berkeley Objects show that CVE-SAI improves attribute inference and evidence localization, achieves the highest certified admission coverage under the shared risk protocol, and yields the strongest controlled retrieval performance with the lowest unsafe auto-induced exposure among automatic-admission systems. Separating inference from admission therefore enables visually supported attribute completion to improve retrieval while limiting persistent index contamination.
- Abstract（参考訳）: マルチモーダル製品モデルは、欠落したEコマース属性を完遂することができるが、現在の手法では、視覚的サポートを検証せずに属性回答の精度を最適化し、一時的な予測を永続的なインデックスの入力で説明し、事実的または視覚的に支持された値に対する明確なリスク制御を欠いている。
これらのギャップを,まず最初に一次画像からオントロジーに制約された候補を推定・凍結し,その候補がインデックスに入るかどうかをカタログテキストなしで判断する,CVE-SAI(Counterfactual Visual Evidence-Guided Selective Attribute Indexing)を用いて解決する。
Focus-Zone Distortion (FZD)は、制御された反ファクト介入を通じて属性固有の視覚依存プロキシを構築し、Evidence-Guided Attention Redistribution (EGAR)は、オントロジー制約されたスコアリングを洗練するためにプロキシを使用する。
標準的候補は、証拠の必要、証拠の保持、ニュアンス・トランスフォーメーションの安定性、および候補固有のカタログテキスト競合監査の前に凍結される。
独立した家族レベルのキャリブレーションは、5%のアンセーフ・アミッション予算の下で、一面の有限サンプルを同時に有する1つのポリシーを選択する。
Amazon Berkeley Objectsから派生した5つの視覚的属性の実験では、CVE-SAIは属性推論とエビデンスローカライゼーションを改善し、共有リスクプロトコルの下では最高に認定された許容範囲を達成し、自動アドミッションシステムの中で最も安全でない自動被曝で最強の制御された検索性能を得る。
したがって、入力からの推論を分離することで、視覚的にサポートされた属性補完が、永続的なインデックス汚染を抑えながら、検索を改善することができる。
関連論文リスト
- IntroConformal: Conformal Factuality Guarantees for Large Vision-Language Models via Introspective Signals [2.623527845999313]
モデル自体から派生したイントロスペクティブ信号を用いて,信頼性の高い事実性制御を実現することができると論じる。
IntroConformalはトレーニングフリーのコンフォーマルリスクコントロールフレームワークで、有限サンプルで配布不要な事実保証を提供する。
論文 参考訳（メタデータ） (2026-09-01T15:09:56Z) - PISA: A Pseudo-Individual Source-Domain Feature Adaptation Framework for Test-Time Open-Vocabulary Object Detection [3.403013334650533]
PISAはオープンソースのOVOD-TTAメソッドであり、オープン語彙の視覚バックボーンにシームレスに統合される。
PISAは,元のモデルの局所化精度とカテゴリ認識精度の両方を大幅に改善することを示す。
論文 参考訳（メタデータ） (2026-08-14T09:47:44Z) - Beyond Relevance: Bayesian Evidence Acquisition for Agentic Whole-Slide Image Reasoning [72.86819994769634]
全体スライド画像推論(WSI)では、診断問題に答える前に、エージェントが視覚的証拠を逐次取得する必要がある。
本稿では,WSI推論をベイズ証拠取得問題として再検討する,プラグイン・アンド・プレイのエージェント・フレームワークBEACONを提案する。
論文 参考訳（メタデータ） (2026-08-06T08:40:57Z) - What to Test Next: Interpretable Coverage Gap Discovery in Driving VLMs [52.50210189669399]
視覚言語モデル(VLM)を駆動するには,操作設計領域(ODD)が定義する様々な条件のシーンを正確に理解する必要がある
SliceScorerは、欠落したスライス推薦のための決定論的スコアリングルールである。
SliceNavは, 従来のスライス発見法よりも, 高リスクカバレッジギャップを効果的に表面化することを示す。
論文 参考訳（メタデータ） (2026-06-01T03:18:01Z) - ECPO: Evidence-Coupled Policy Optimization for Evidence-Certified Candidate Ranking [21.792889952064527]
本稿では,Evidence-Coupled Policy Optimization (ECPO)について紹介する。
ECPOはスケルトンアライメント、引数一貫性、オプショングラフ機能から解釈可能なトラジェクトリ報酬を学習する。
次に、リストワイドランキングユーティリティ、スパンレベル証明書の妥当性、ラベルのない決定論的検証によって計算されたエビデンスサイクル報酬の3つの組み合わせによる制約付きポリシーを最適化する。
論文 参考訳（メタデータ） (2026-05-21T04:42:34Z) - MoASE++: Mixture of Activation Sparsity Experts with Domain-Adaptive On-policy Distillation for Continual Test Time Adaptation [65.068801413044]
連続的なテスト時間適応は、非定常な未ラベルのターゲットストリームにソース予測モデルを適用する。
ドメインに依存しない構造をドメイン固有のテクスチャから切り離す。
論文 参考訳（メタデータ） (2026-05-18T01:52:12Z) - FACTOR: Counterfactual Training-Free Test-Time Adaptation for Open-Vocabulary Object Detection [63.91351553178842]
FACTORはオープン語彙オブジェクト検出のためのトレーニング不要なテスト時間適応である。
属性依存性の予測を選択的に抑制するために、属性の感度、意味的関連性、予測のバリエーションを定量化する。
PASCAL-C, COCO-C, FoggyCityscapes の実験では、FACTOR が従来の TTA 法より一貫して優れていたことが示されている。
論文 参考訳（メタデータ） (2026-05-05T02:31:18Z) - Causal Bootstrapped Alignment for Unsupervised Video-Based Visible-Infrared Person Re-Identification [52.784239635604735]
VVI-ReIDは、静止画像以外にも時間情報が付加的な手がかりを提供する、全日監視のための重要な技術である。
既存のアプローチは、高価なクロスモダリティアノテーションによる完全な教師付き学習に大きく依存しており、スケーラビリティが制限されています。
そこで,本研究では,ビデオの先行を明示的に活用するCausal Bootstrapped Alignmentフレームワークを提案する。
論文 参考訳（メタデータ） (2026-04-17T02:15:59Z) - Trusted Uncertainty in Large Language Models: A Unified Framework for Confidence Calibration and Risk-Controlled Refusal [31.458406135473805]
異種不確実性証拠を正当性の校正確率に変換する統一フレームワークUniCRを提案する。
UniCRは、温度スケーリングと適切なスコアリングを備えた軽量なキャリブレーションヘッドを学習する。
ショートフォームQA、実行テスト付きコード生成、検索強化ロングフォームQAの実験は、キャリブレーションメトリクスの一貫性のある改善を示している。
論文 参考訳（メタデータ） (2025-09-01T13:14:58Z) - COIN: Uncertainty-Guarding Selective Question Answering for Foundation Models with Provable Risk Guarantees [51.5976496056012]
COINは、統計的に有効な閾値を校正し、質問毎に1つの生成された回答をフィルタリングする不確実性保護選択フレームワークである。
COINはキャリブレーションセット上で経験的誤差率を推定し、信頼区間法を適用して真誤差率に高い確率上界を確立する。
リスク管理におけるCOINの堅牢性,許容回答を維持するための強いテストタイムパワー,キャリブレーションデータによる予測効率を実証する。
論文 参考訳（メタデータ） (2025-06-25T07:04:49Z) - Retrieval is Not Enough: Enhancing RAG Reasoning through Test-Time Critique and Optimization [58.390885294401066]
Retrieval-augmented Generation (RAG) は知識基底型大規模言語モデル(LLM)を実現するためのパラダイムとして広く採用されている。
RAGパイプラインは、モデル推論が得られた証拠と整合性を維持するのに失敗することが多く、事実上の矛盾や否定的な結論につながる。
批判駆動アライメント(CDA)に基づく新しい反復的枠組みであるAlignRAGを提案する。
AlignRAG-autoは、動的に洗練を終了し、批判的な反復回数を事前に指定する必要がなくなる自律的な変種である。
論文 参考訳（メタデータ） (2025-04-21T04:56:47Z)
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。