Fugu-MT 論文翻訳(概要): Sketch2Inspire: Structure-Sensitive Evaluation for Product Retrieval

論文の概要: Sketch2Inspire: Structure-Sensitive Evaluation for Product Retrieval

arxiv url: http://arxiv.org/abs/2608.29364v1
Date: Sat, 29 Aug 2026 16:52:25 GMT
ステータス: 翻訳完了
システム内更新日: 2026-09-01 18:31:30.944271
Title: Sketch2Inspire: Structure-Sensitive Evaluation for Product Retrieval
Title（参考訳）: Sketch2Inspire: 製品検索のための構造感性評価
Abstract要約: 我々は、Amazon Berkeley Objectsのキュレートされたサブセットから構築されたSketch2Inspireを紹介します。リソースは、構造に敏感なカテゴリ内検索から幅広いカテゴリレベルの検索を分離し、キャリブレーションのためのヒトグレード参照プロトコルを含む。
参考スコア（独自算出の注目度）: 2.7074235008521246
License: http://creativecommons.org/licenses/by/4.0/
Abstract: Early-stage product design retrieval often requires more than category recognition: designers may need reference examples that match both a short semantic intent and a rough structural cue. Existing product-image resources and generic image--text retrieval benchmarks rarely separate category retrieval from within-category structural fit. We present Sketch2Inspire, built from a curated subset of Amazon Berkeley Objects with aligned text queries, edge-based sketch-proxy queries, and fused text--sketch queries. The resource separates broad category-level retrieval from structure-sensitive within-category retrieval and includes a human-graded reference protocol for calibration. We evaluate a lightweight reference system based on pretrained CLIP-family encoders, comparing text-only retrieval, sketch-only retrieval, weighted late fusion, and text-first reranking without updating model weights. Under broad relevance, late fusion obtains the highest score (nDCG = 0.9962). Under automatic structure-sensitive relevance, late fusion again obtains the highest score (nDCG = 0.7015), exceeding text-only retrieval (nDCG = 0.5912). In the human-graded results, late fusion obtains the highest nDCG@10 (0.9133), while text-only retrieval ranks second (0.9030). These results show that the retrieval gain from multimodal input depends on how relevance is defined. Sketch2Inspire therefore provides a diagnostic resource for evaluating modality contribution and supports the development of structure-aware product-retrieval protocols with independent human annotation.
Abstract（参考訳）: 初期の製品デザインの検索は、カテゴリ認識以上のものを必要とすることが多く、デザイナーは短いセマンティックインテントと粗い構造的なキューの両方にマッチする参照例を必要とする。既存の製品イメージリソースと一般的なイメージ-テキスト検索ベンチマークは、カテゴリ内構造適合性からカテゴリ検索を分離することは滅多にない。我々は、Amazon Berkeley Objectsのキュレートされたサブセットから構築されたSketch2Inspireを紹介します。リソースは、構造に敏感なカテゴリ内検索から幅広いカテゴリレベルの検索を分離し、キャリブレーションのためのヒトグレード参照プロトコルを含む。事前訓練されたCLIPファミリーエンコーダに基づく軽量参照システムの評価を行い,テキストのみの検索,スケッチのみの検索,重み付きレイトフュージョン,テキストファーストのリグレードをモデル重みを更新せずに比較した。広い関連性の下では、後期核融合が最も高いスコアを得る(nDCG = 0.9962)。自動構造関連性の下では、遅延融合は再び最高スコア(nDCG = 0.7015)を取得し、テキストのみの検索(nDCG = 0.5912)を超える。人間の成績では、後期融合が最も高いnDCG@10(0.9133)を得るのに対し、テキストのみの検索は2位(0.9030)となる。これらの結果から,マルチモーダル入力から得られるゲインは,関連性の定義方法に依存することが明らかとなった。 Sketch2Inspireは、モダリティコントリビューションを評価するための診断リソースを提供し、独立した人間のアノテーションを持つ構造対応製品検索プロトコルの開発を支援する。

関連論文リスト

Structure then Query: Enabling Precise Analytical Queries over Unstructured Documents [11.689256498133446]
構造化されていないドキュメントは、エンタープライズおよびWebデータの大部分を構成する。主流検索法はベクトル類似性に基づくファジィマッチングに依存している。 AnnoIndexは、散在した構造化されていないテキストを、低コストなフィルタリングとクエリを可能にする、実体化された構造化されたインデックスに変換する。
論文参考訳（メタデータ） (2026-08-13T15:46:20Z)
A Reference Architecture for Agentic Hybrid Retrieval in Dataset Search [0.6299766708197881]
アドホックデータセット検索では、未特定の自然言語クエリとスパースで異質なメタデータレコードとをマッチングする必要がある。本稿では,BM25語彙探索と密埋め込み検索を組み合わせたエージェントハイブリッド検索のための有界・監査可能な参照アーキテクチャを提案する。ユーザ意図とプロバイダが承認したメタデータとの語彙ミスマッチを低減するために、オフラインメタデータ拡張ステップが導入される。
論文参考訳（メタデータ） (2026-03-28T22:56:57Z)
Beyond Relevance: On the Relationship Between Retrieval and RAG Information Coverage [89.58253972744531]
Retrieval-augmented Generation (RAG) システムは、文書検索と生成モデルを組み合わせて、レポート生成のような複雑な情報を求める課題に対処する。我々は,上流の検索指標が,最終生成応答の情報カバレッジの信頼性の高い早期指標として機能するかどうかを検討する。本研究は,トピックとシステムレベルの両方で生成した応答におけるカバレッジベース検索指標とナゲットカバレッジとの間に強い相関関係を示した。
論文参考訳（メタデータ） (2026-03-09T18:20:20Z)
Chain of Retrieval: Multi-Aspect Iterative Search Expansion and Post-Order Search Aggregation for Full Paper Retrieval [68.71038700559195]
The Chain of Retrieval (COR) is a novel repeaterative framework for full-paper search。 SCIBENCH(SCIBENCH)は、クエリと候補のための全論文の完全なコンテキストとセグメント化されたコンテキストを提供するベンチマークである。
論文参考訳（メタデータ） (2025-07-14T08:41:53Z)
STaRK: Benchmarking LLM Retrieval on Textual and Relational Knowledge Bases [93.96463520716759]
テキストと知識ベースを用いた大規模半構造検索ベンチマークSTARKを開発した。本ベンチマークでは, 製品検索, 学術論文検索, 精密医療におけるクエリの3分野について検討した。多様なリレーショナル情報と複雑なテキスト特性を統合した,現実的なユーザクエリを合成する,新しいパイプラインを設計する。
論文参考訳（メタデータ） (2024-04-19T22:54:54Z)
CLIP-GCD: Simple Language Guided Generalized Category Discovery [21.778676607030253]
一般化カテゴリー発見(GCD)は、既知のカテゴリと未知のカテゴリをラベルのないデータで分類するモデルを必要とする。従来の手法では、自己教師付き事前学習とラベル付きデータの教師付き微調整を併用し、続いて単純なクラスタリング手法を併用していた。我々は2つの相補的な方法でマルチモーダル(ビジョンと言語)モデルを活用することを提案する。
論文参考訳（メタデータ） (2023-05-17T17:55:33Z)
UnifieR: A Unified Retriever for Large-Scale Retrieval [84.61239936314597]
大規模な検索は、クエリを与えられた巨大なコレクションから関連ドキュメントをリコールすることである。事前学習型言語モデル(PLM)に基づく最近の検索手法は,高密度ベクターあるいはレキシコンに基づくパラダイムに大別することができる。本論文では,高密度ベクトルとレキシコンに基づく検索を2つの表現能力を持つ1つのモデルで統合する学習フレームワークUnifieRを提案する。
論文参考訳（メタデータ） (2022-05-23T11:01:59Z)
Autoregressive Search Engines: Generating Substrings as Document Identifiers [53.0729058170278]
自動回帰言語モデルは、回答を生成するデファクト標準として現れています。これまでの研究は、探索空間を階層構造に分割する方法を探究してきた。本研究では,検索空間の任意の構造を強制しない代替として,経路内のすべてのngramを識別子として使用することを提案する。
論文参考訳（メタデータ） (2022-04-22T10:45:01Z)
AutoSTR: Efficient Backbone Search for Scene Text Recognition [80.7290173000068]
テキストインスタンスの多様性とシーンの複雑さのため、シーンテキスト認識(STR)は非常に難しい。テキスト認識性能を向上させるために,データ依存のバックボーンを検索するための自動STR(AutoSTR)を提案する。実験によると、データ依存のバックボーンを検索することで、AutoSTRは標準ベンチマークにおける最先端のアプローチより優れている。
論文参考訳（メタデータ） (2020-03-14T06:51:04Z)

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。