論文の概要: Visual General Intelligence: A White Paper

• arxiv url: http://arxiv.org/abs/2608.25924v1
• Date: Wed, 26 Aug 2026 15:36:19 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-08-27 14:15:15.887793
• Title: Visual General Intelligence: A White Paper
• Title（参考訳）: ビジュアル・ジェネラル・インテリジェンス:ホワイトペーパー
• Abstract要約: 本稿では,視覚中心の観点からのインテリジェンスを再考する。 視覚経験や学習から生まれる知性がAGIへの道筋となるかどうかを検討する。
• 参考スコア（独自算出の注目度）: 150.33091833511565
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: This paper reconsiders intelligence from a vision-centered perspective and examines whether intelligence emerging from visual experience and learning may provide a pathway toward AGI. In the language domain, beginning with the introduction of the Transformer architecture, the GPT series has demonstrated transfer to unseen tasks through autoregressive language modeling on web-scale text combined with aggressive scaling. This raises a natural question, namely, what capabilities and forms of intelligence can emerge from visual modalities such as images, videos, and geometry? In this paper, we discuss whether visual intelligence can serve as a pathway toward AGI, referred to in this paper as visual general intelligence (VGI), by bringing together contributors from diverse standpoints and affiliations. Our aim is not to offer a single definition of visual intelligence, but to clarify the principles that computer vision should pursue in the AGI era, the visual input modalities, the benchmarks, the learning paradigms, and the relationship between vision, when taken as the core, and other modalities such as language.
• Abstract（参考訳）: 本稿では、視覚中心の視点からインテリジェンスを再考し、視覚経験や学習から生まれるインテリジェンスがAGIへの道筋となるかどうかを検討する。 言語分野において、Transformerアーキテクチャの導入から始まるGPTシリーズは、Webスケールのテキスト上の自動回帰言語モデリングとアグレッシブなスケーリングを組み合わせることで、目に見えないタスクに移行することを示した。 つまり、画像やビデオ、幾何学といった視覚的なモダリティから、どんな能力や形の知能が生まれるのか? 本稿では,ビジュアル・ジェネラル・インテリジェンス(VGI)として,視覚知能がAGIへの道筋として機能するかどうかを論じる。 我々の目的は、視覚知能の単一の定義を提供することではなく、コンピュータビジョンがAGI時代に追求すべき原則、視覚入力のモダリティ、ベンチマーク、学習パラダイム、そしてコアとして捉えたビジョンと、言語のような他のモダリティとの関係を明らかにすることである。

関連論文リスト

• Commonsense Reasoning in Computer Vision: Foundations, Recent Advancements, and Future Directions [1.396778199498531]
  本稿では,コモンセンス知識をコンピュータビジョンタスクに統合する開発事例について述べる。 データセットバイアス、知識の不完全性、統合問題に関連する現在の制限について論じる。 我々は、クロスモーダル推論、スケーラブルなコモンセンス知識注入、ニューロシンボリックハイブリッドアーキテクチャにおける先進的な研究軌道を強調した。
  論文  参考訳（メタデータ） (2026-09-04T15:19:37Z)
• Language-Instructed Vision Embeddings for Controllable and Generalizable Perception [21.164230220588873]
  Language-Instructed Vision Embeddings (LIVE)は、タスク中心の埋め込みを生成するための高レベルのガイダンスとして言語を使用している。 LIVEは視覚幻覚を減らし、視覚的質問応答において桁違いに多くのパラメータを持つ視覚言語モデルを超えた。
  論文  参考訳（メタデータ） (2026-06-17T20:39:04Z)
• Steerable Visual Representations [72.39044430620977]
  我々は、グローバルでローカルな機能を自然言語で操れるステアブルなビジュアル表現を紹介した。 また,本手法は,異常検出とパーソナライズされた対象の識別に専用アプローチを適合させ,性能を向上する。
  論文  参考訳（メタデータ） (2026-04-02T17:59:49Z)
• Toward Cognitive Supersensing in Multimodal Large Language Model [67.15559571626747]
  我々は,MLLMに人間のような視覚的特徴を付与する訓練パラダイムであるCognitive Supersensingを紹介する。 実験では、CogSense-BenchでCognitive Supersensingを訓練したMLLMが、最先端のベースラインを大きく上回った。 私たちはCogSense-Benchとモデルウェイトをオープンソースにします。
  論文  参考訳（メタデータ） (2026-02-02T02:19:50Z)
• Visual Knowledge in the Big Model Era: Retrospect and Prospect [63.282425615863]
  視覚知識は、視覚概念とその関係を簡潔で包括的で解釈可能な方法でカプセル化できる新しい知識表現である。 視覚世界に関する知識は、人間の認知と知性にとって欠かせない要素として認識されているため、視覚知識は、機械知性を確立する上で重要な役割を担っていると考えられる。
  論文  参考訳（メタデータ） (2024-04-05T07:31:24Z)
• Vision-Language Models in Remote Sensing: Current Progress and Future Trends [25.017685538386548]
  視覚言語モデルは、画像とその関連するテキスト記述の推論を可能にし、基礎となるセマンティクスのより深い理解を可能にする。 視覚言語モデルは、RS画像の視覚的認識を超えて、意味的関係をモデル化し、画像の自然言語記述を生成することができる。 本稿では,リモートセンシングにおける視覚言語モデルの研究を包括的にレビューする。
  論文  参考訳（メタデータ） (2023-05-09T19:17:07Z)
• Visualizing and Understanding Contrastive Learning [22.553990823550784]
  一対のイメージから類似性学習タスクを理解するのに寄与する視覚的説明法を設計する。 また、画像分類システムの視覚的説明を評価するために用いられる既存のメトリクスを、一対の説明に適合させる。
  論文  参考訳（メタデータ） (2022-06-20T13:01:46Z)
• GAMR: A Guided Attention Model for (visual) Reasoning [7.919213739992465]
  人間は、複雑な視覚シーンを柔軟に解析し理解する能力において、現代のAIシステムよりも優れています。 視覚的推論のための新しいモジュール,(視覚的)推論のためのガイド付き注意モデル(GAMR)を提案する。 GAMRは、タスク関連視覚情報をメモリに選択してルーティングするために、注意シフトのシーケンスを通じて、脳が複雑な視覚的推論問題を動的に解くことを示唆している。
  論文  参考訳（メタデータ） (2022-06-10T07:52:06Z)
• K-LITE: Learning Transferable Visual Models with External Knowledge [242.3887854728843]
  K-LITE (Knowledge-augmented Language- Image Training and Evaluation) は、外部知識を活用して伝達可能な視覚システムを構築する戦略である。 トレーニングでは、WordNetとWiktionaryの知識で自然言語のエンティティを豊かにする。 評価において、自然言語は外部知識で拡張され、学習された視覚概念を参照するために使用される。
  論文  参考訳（メタデータ） (2022-04-20T04:47:01Z)
• Vision and Language: from Visual Perception to Content Creation [100.36776435627962]
  言語へのビジョン"は、おそらく過去5年で最も人気のあるトピックの1つである。 本稿は、これらの2つの側面に沿った最近の進歩、すなわち「言語へのビジョン」と「視覚への言語」を概観する。
  論文  参考訳（メタデータ） (2019-12-26T14:07:20Z)

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。