論文の概要: MAIA: Multi-Agent Intent Articulation for Requirement Discovery in Art Commissions

• arxiv url: http://arxiv.org/abs/2609.12097v1
• Date: Thu, 10 Sep 2026 18:25:21 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-09-15 07:38:31.508559
• Title: MAIA: Multi-Agent Intent Articulation for Requirement Discovery in Art Commissions
• Title（参考訳）: MAIA:芸術委員会における必要発見のためのマルチエージェントインテントアーティキュレーション
• Abstract要約: 粗野なアートコミッショナーでは、素人は自分の気持ちを知っているが、それを特定する言葉が欠けている。 私たちはこれを,未提供の上流ステージにおける調音ボトルネックとして捉えています。 我々は、多エージェントシステムであるMAIAを、曖昧さを視覚用語のテキストのみのブリーフィングに変換する。
• 参考スコア（独自算出の注目度）: 8.371162222882367
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: In bespoke art commissions, laypeople know what they feel but lack the words to specify it: one participant wanted a laid-off truck driver depicted as "a ghost in his own machine" but left the medium, scale, and palette unsaid. We frame this as an articulation bottleneck at an under-served upstream stage: requirement discovery, which precedes any artist or image generator and forces the commissioner to constitute intent in the first place. We present MAIA (Multi-Agent Intent Articulation), a multi-agent system that scaffolds this stage through Socratic inquiry under a "Verification over Invention" rule, turning vague affect into a text-only brief of visual terms the user verifies. In a within-subjects study (N = 16), the full configuration produced a large, significant gain in Cognitive Support over a minimal baseline (r = 0.96, p_FDR = 0.015; LMM p_FDR < 0.001). Thematic analysis traces the same mechanism, and a validator gate structurally blocks unratified content. A complementary blind review by three professional concept artists on a sampled set of briefs corroborates this improvement from the artist's side: AI rewriting improved visual completeness and executability in all eight sampled tasks (task-level Wilcoxon p = 0.008; FDR q = 0.010), with directionally larger gains under MAIA than under the baseline (underpowered, d = 1.4-2.6).
• Abstract（参考訳）: ある参加者は、「自分のマシンの幽霊」と表現されたレイオフトラックの運転手を欲しがったが、媒体、スケール、パレットをそのまま残した。 要件発見(require discovery)は、アーティストやイメージジェネレータに先立って、コミッショナーに第一に意図を強制するものです。 本稿では,Multi-Agent Intent Articulation(Multi-Agent Intent Articulation,MAIA)について述べる。 対象内調査(N = 16)において、完全な構成は最小のベースライン(r = 0.96, p_FDR = 0.015; LMM p_FDR < 0.001)に対する認知サポートにおいて大きな大きな利益をもたらした。 理論的解析は、同じメカニズムを辿り、バリデータゲートは、未照射のコンテンツを構造的にブロックする。 AI書き換えにより、すべての8つのサンプルタスク(タスクレベルウィルコクソン p = 0.008; FDR q = 0.010)における視覚的完全性と実行性が改善され、ベースライン(d = 1.4-2.6)よりもMAIAよりも方向的に向上する。

関連論文リスト

• Rhythms of Work: Multi-Scale Interpretation of Human Behavioral Traces for Workplace Agents [2.775026504152308]
  我々は行動解釈が解決に依存していると主張している。 大規模な商用生産性スイートから、6億6700万の人為的なイベントに適用する。 120のオペレータータイプ、数千のモチーフ、25のエピソードタイプ、5つの日々のリズムのアーキタイプが生成される。
  論文  参考訳（メタデータ） (2026-09-03T23:22:27Z)
• MNIST-PRO: MNIST is Back as a Partially Observable World for AI Agents [74.83535434786145]
  MNIST-PRO (MNIST-PRO) は、MNISTの桁認識を、ルックバック制約付きシーケンシャルな視線に基づく検索タスクに変換することで、エージェント認識を分離するベンチマークである。 生の視覚履歴、テキスト状態、構造化されたメートル法グリッドマップ、統合された視覚キャンバスを含む4つの記憶表現の10つのマルチモーダルモデルを評価する。
  論文  参考訳（メタデータ） (2026-08-31T16:05:39Z)
• Agentic Collaborative Cognition for Zero-Shot 3D Understanding [57.854375071638856]
  本研究では,高レベル視点計画の処理に計画エージェントを割り当てる協調型マルチエージェントフレームワークを提案する。 知覚エージェントは、3Dシーンを構造化された全体的認知マップに明示的に要約する。 ScanReferでは11.1%のAcc@0.5、3D支援ダイアログでは14.6 BLEU-1、SQA3Dでは2.1 EM、最先端の6ベンチマークでは2.1 EMを実現している。
  論文  参考訳（メタデータ） (2026-06-23T14:44:04Z)
• M-ArtAgent: Evidence-Based Multimodal Agent for Implicit Art Influence Discovery [4.034135913115427]
  意図しない芸術的影響は、視覚的にもっともらしいが、しばしば文書化されておらず、歴史的に制約された帰属問題を引き起こす。 本稿では,エビデンスに基づくマルチモーダルエージェントであるM-ArtAgentを紹介する。
  論文  参考訳（メタデータ） (2026-04-08T18:07:56Z)
• Fine-Tuning a Large Vision-Language Model for Artwork's Scoring and Critique [11.787232686718367]
  視覚言語モデルQwen2-VL-7Bをマルチタスク学習で微調整し,人間の絵画の自動創造性評価のための枠組みを提案する。 私たちのデータセットには、1-100スケールで収集された1000枚の人造絵画が含まれており、短い人間による記述と組み合わせられている。 実験ではPearson r > 0.97 となり、100点スケールで約3.95 となる。
  論文  参考訳（メタデータ） (2026-02-09T19:52:16Z)
• KidsArtBench: Multi-Dimensional Children's Art Evaluation with Attribute-Aware MLLMs [13.1845557800464]
  KidsArtBenchは、1万以上の子どものアートワーク(年齢5～15歳)のベンチマークで、9つのルーリックな次元の12人の専門家教育者が注釈を付けています。 KidsArtBenchは、子供のアートワークをターゲットとし、コメントの監督と多次元アノテーションを組み合わせることで、順序付け評価と形式的フィードバックの両方を可能にする。
  論文  参考訳（メタデータ） (2025-12-14T00:24:48Z)
• Think Visually, Reason Textually: Vision-Language Synergy in ARC [94.15522924153264]
  ARC-AGIは、概念ルールの誘導と新しいタスクへの転送のための厳格なテストベッドである。 既存のほとんどの手法は、ARC-AGIを純粋にテキストによる推論タスクとして扱い、人間が視覚的抽象化に強く依存しているという事実を見落としている。 VLSR(Vision-Language Synergy Reasoning)とMSSC(Modality-Switch Self-Correction)の2つの相乗的戦略を導入する。 本研究は,視覚的抽象と言語的推論を一体化させることが,汎用的な人間的な知性を実現するための重要なステップであることを示唆している。
  論文  参考訳（メタデータ） (2025-11-19T18:59:04Z)
• Semantic Visual Anomaly Detection and Reasoning in AI-Generated Images [96.43608872116347]
  AnomReasonは4倍のtextbfAnomAgentのような構造化アノテーションを備えた大規模ベンチマーク AnomReasonとAnomAgentは、AI生成画像の意味的妥当性の測定と改善の基盤となっている。
  論文  参考訳（メタデータ） (2025-10-11T14:09:24Z)
• Are MLMs Trapped in the Visual Room? [17.65871959408832]
  サールの中国語室からインスピレーションを得て,bfVisual Roomの議論を提案する。 システムは、根底にある意図を真に理解することなく、アルゴリズムの規則に従って視覚入力のあらゆる詳細を処理し、記述することができる。 この研究は、提案されたVisual Room引数の実証的な基盤を提供し、新しい評価パラダイムのフォーマットを提供する。
  論文  参考訳（メタデータ） (2025-05-29T09:20:12Z)
• Mechanistic Interpretability of Fine-Tuned Vision Transformers on Distorted Images: Decoding Attention Head Behavior for Transparent and Trustworthy AI [0.0]
  機械的解釈可能性により、大きなAIモデルの安全性、信頼性、堅牢性が向上する。 本研究では、歪みした2次元分光画像に微調整された視覚変換器(ViT)の個々の注意ヘッドについて検討した。
  論文  参考訳（メタデータ） (2025-03-24T15:11:24Z)
• Exploring Plain ViT Reconstruction for Multi-class Unsupervised Anomaly Detection [128.40330044868293]
  Vision Transformer (ViT) では、より単純なアーキテクチャが複数のドメインで有効であることが証明されている。 ViTADはMVTec AD、VisA、Uni-Medicalデータセット上で最先端の結果と効率を達成する。
  論文  参考訳（メタデータ） (2023-12-12T18:28:59Z)
• A Principled Design of Image Representation: Towards Forensic Tasks [75.40968680537544]
  本稿では, 理論, 実装, 応用の観点から, 法科学指向の画像表現を別の問題として検討する。 理論レベルでは、Dense Invariant Representation (DIR)と呼ばれる、数学的保証を伴う安定した記述を特徴とする、新しい法医学の表現フレームワークを提案する。 本稿では, ドメインパターンの検出とマッチング実験について, 最先端の記述子との比較結果を提供する。
  論文  参考訳（メタデータ） (2022-03-02T07:46:52Z)
• IA-RED$^2$: Interpretability-Aware Redundancy Reduction for Vision Transformers [81.31885548824926]
  自己注意型モデルであるTransformerは近年,コンピュータビジョン分野における主要なバックボーンになりつつある。 解釈可能性を考慮した冗長度低減フレームワーク(IA-RED$2$)を提案する。 画像タスクとビデオタスクの両方で広範囲に実験を行い、最大1.4倍のスピードアップを実現しました。
  論文  参考訳（メタデータ） (2021-06-23T18:29:23Z)

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。