論文の概要: IchthyoNoma: Nomenclature and Context Sensitivity of Zero-Shot Biological Vision--Language Models for Bangladeshi Freshwater Fish Recognition

• arxiv url: http://arxiv.org/abs/2609.03985v1
• Date: Thu, 03 Sep 2026 15:20:34 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-09-04 18:28:39.139566
• Title: IchthyoNoma: Nomenclature and Context Sensitivity of Zero-Shot Biological Vision--Language Models for Bangladeshi Freshwater Fish Recognition
• Title（参考訳）: バングラデシュ淡水魚の識別モデル
• Abstract要約: ゼロショット視覚言語モデル (VLM) は、訓練なしの種認識モデルとしてますます使われている。 バングラデシュ産の淡水魚7種について,CLIP,BioCLIP,BioCLIP2および多言語Jina CLIP v2制御を行った。
• 参考スコア（独自算出の注目度）: 0.15293427903448023
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Zero-shot vision-language models (VLMs) are increasingly used as training-free species recognizers, but reported accuracy can reflect more than visual species knowledge. We audit CLIP, BioCLIP, BioCLIP2, and a multilingual Jina CLIP v2 control on seven freshwater-fish categories from two Bangladeshi sources (10,321 images). BioCLIP2 reaches 72.36% on BFF-15 with English common names and 68.91% on SylFishBD with scientific names, versus 25.15% and 14.40% for generic CLIP. BioCLIP2 Bengali prompts are near chance in balanced accuracy (14.22-14.29%); Jina partially recovers Bengali discrimination to 21.89% and 16.36%, but bare Bengali names return to 14.29% on both sources. Paired SylFishBD interventions show no significant weak-blur effect, modest losses from stronger blur/gray masking, a larger white-mask artifact, and strong species dependence. Zero-shot biological VLM scores therefore jointly reflect biological specialization, multilingual alignment, nomenclature, prompt formulation, and context.
• Abstract（参考訳）: ゼロショット視覚言語モデル (VLM) は、訓練なしの種認識モデルとしてますます使われているが、報告された精度は、視覚的な種の知識以上のことを反映することができる。 バングラデシュの淡水魚7種(画像10,321枚)を対象に,CLIP,BioCLIP,BioCLIP2および多言語Jina CLIP v2制御を行った。 BioCLIP2はBFF-15で72.36%、SylFishBDで68.91%、ジェネリックCLIPで25.15%、14.40%に達する。 BioCLIP2 Bengaliのプロンプトはバランスの取れた精度(14.22-14.29%)に近づき、Jinaはベンガルの差別を部分的に21.89%と16.36%に回復するが、両方の情報源でベア・ベンガルの名前を14.29%に戻す。 ペアリングされたSylFishBDの介入は、顕著な弱色効果、強いぼやけた/灰色のマスキングによる穏やかな損失、より大きなホワイトマスクのアーティファクト、強い種依存を示す。 したがって、ゼロショット生物学的VLMスコアは、生物学的特殊化、多言語アライメント、命名法、迅速な定式化、文脈を共同で反映する。

関連論文リスト

• Unlabeled Echoes: Pseudo-Labels and Genus-Aware Smoothing for Bat Call Recognition [47.7282395820107]
  モデル生成による単純な擬似ラベルは、この余剰を効果的に監督することを示します。 擬似ラベル法と18種のヨーロッパ人コーパスを用いた半教師あり学習法を比較した。 Pseudo-labelingは、ヨーロッパのすべての指標において、他の半教師付き学習方法よりも優れています。
  論文  参考訳（メタデータ） (2026-09-08T09:40:12Z)
• Data Contamination in Neural Hieroglyphic Translation: A Reproducibility Study [0.8684482273743698]
  古代および絶滅危惧言語は、NLPに固有の課題を提起する。 微調整M2M-100を用いた61.5BLEUの最近の研究 我々の再生はリリースされたモデルでわずか37.0 BLEUしか得られない。
  論文  参考訳（メタデータ） (2026-05-08T09:00:04Z)
• Multi-View Synergistic Learning with Vision-Language Adaption for Low-Resource Biomedical Image Classification [59.24009931000134]
  MVSL(Multi-View Synergistic Learning)は、適応パラダイム、表現の粒度、疾患の意味的関係に対処する統合フレームワークである。 MVSLは、視覚的およびテキスト的エンコーダの適応を分離し、それぞれの表現特性を尊重する。 さらに、グローバルなイメージセマンティクスと局所的な病変レベルの証拠の両方を明示的にモデル化するために、多粒性コントラスト学習を導入する。 MVSLは、いくつかのショットとゼロショットの分類設定において、最先端のメソッドを一貫して上回る。
  論文  参考訳（メタデータ） (2026-04-27T02:41:27Z)
• Bengali Text Classification: An Evaluation of Large Language Model Approaches [0.0]
  英語とは異なり、Bengaliは広範な注釈付きデータセットと事前訓練された言語モデルがないため、課題に直面している。 本研究では,ベンガル語新聞記事の分類における大規模言語モデル(LLM)の有効性について検討する。
  論文  参考訳（メタデータ） (2026-01-17T18:25:19Z)
• BioCLIP 2: Emergent Properties from Scaling Hierarchical Contrastive Learning [60.80381372245902]
  生体視覚モデルでは,大規模コントラスト視覚言語学習により創発的行動が観察される。 我々は、異なる種を区別するために、TreeOfLife-200MでBioCLIP 2を訓練する。 得られたBioCLIP 2の埋め込み空間における創発的特性を同定する。
  論文  参考訳（メタデータ） (2025-05-29T17:48:20Z)
• CrypticBio: A Large Multimodal Dataset for Visually Confusing Biodiversity [3.73232466691291]
  我々はCrypticBioについて紹介する。 iNaturalistのコミュニティアノテーターの間では、実際の種誤認の傾向から批判され、CrypticBioは67K種にまたがる52Kの独特な暗号グループを含んでいる。
  論文  参考訳（メタデータ） (2025-05-16T14:35:56Z)
• Improving Informally Romanized Language Identification [42.001850291770445]
  ローマ化は、通常、異なるスクリプトで書かれたため、容易に区別される言語を描画する。 我々は、トレーニングセットを合成する手法を改善することにより、ロマライズされたテキストの言語識別(LID)精度を向上させる。 本研究では,Bhasha-Abhijnaanam 評価セットにおける20のIndic言語からのロマン化テキストに対して,最先端の LID 性能を示す。
  論文  参考訳（メタデータ） (2025-04-30T11:36:28Z)
• Taxonomic Reasoning for Rare Arthropods: Combining Dense Image Captioning and RAG for Interpretable Classification [12.923336716880506]
  画像キャプションと検索拡張生成(RAG)を大規模言語モデル(LLM)と統合し,生物多様性モニタリングを強化する。 我々の発見は、生物多様性保護イニシアチブをサポートする現代のビジョン言語AIパイプラインの可能性を強調した。
  論文  参考訳（メタデータ） (2025-03-13T21:18:10Z)
• A Multi-level Supervised Contrastive Learning Framework for Low-Resource Natural Language Inference [54.678516076366506]
  自然言語推論(NLI)は、自然言語理解において、ますます重要な課題である。 本稿では,低リソースな自然言語推論のためのマルチSCLという,マルチレベルの教師付きコントラスト学習フレームワークを提案する。
  論文  参考訳（メタデータ） (2022-05-31T05:54:18Z)
• Few-Shot Cross-lingual Transfer for Coarse-grained De-identification of Code-Mixed Clinical Texts [56.72488923420374]
  事前学習型言語モデル (LM) は低リソース環境下での言語間移動に大きな可能性を示している。 脳卒中におけるコードミキシング(スペイン・カタラン)臨床ノートの低リソース・実世界の課題を解決するために,NER (name recognition) のためのLMの多言語間転写特性を示す。
  論文  参考訳（メタデータ） (2022-04-10T21:46:52Z)
• Cancer Gene Profiling through Unsupervised Discovery [49.28556294619424]
  低次元遺伝子バイオマーカーを発見するための,新しい,自動かつ教師なしのフレームワークを提案する。 本手法は,高次元中心型非監視クラスタリングアルゴリズムLP-Stabilityアルゴリズムに基づく。 私達の署名は免疫炎症および免疫砂漠の腫瘍の区別の有望な結果報告します。
  論文  参考訳（メタデータ） (2021-02-11T09:04:45Z)

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。