論文の概要: Perceive, Refine, Reason: A Calibrated Pipeline for Measuring Indicators in Strategic Visual Communication on Social Media

• arxiv url: http://arxiv.org/abs/2609.14699v1
• Date: Sun, 13 Sep 2026 17:54:01 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-09-16 07:15:05.896512
• Title: Perceive, Refine, Reason: A Calibrated Pipeline for Measuring Indicators in Strategic Visual Communication on Social Media
• Title（参考訳）: ソーシャルメディアにおける戦略的視覚コミュニケーションにおける指標測定のための校正パイプライン
• Abstract要約: Perceive, Refine, Reason (PRR) は、フレキシブルな視覚言語検出器を社会科学的研究のための監査可能な測定器に変える、校正パイプラインである。 PRRは、Segment Anything Model(SAM)を介して、自然言語カテゴリプロンプトと画素レベルの空間的洗練を結合する 補完的な3層監査フレームワークは、カテゴリごとの信頼性のプロファイル、タスク整列構成のサポート、統計的に正しい有病率推定に学習を適用する。
• 参考スコア（独自算出の注目度）: 2.927717169939877
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Visual content shapes audience perception and opinion on social media, and computational social science increasingly relies on automated tools to analyze images at scale. Yet a measurement gap persists: existing tools rely on predefined categories or produce only coarse image-level labels, while measuring which specific objects appear in an image, how prominently, and where in the frame remains difficult at scale. We introduce Perceive, Refine, Reason (PRR), a calibrated pipeline that turns flexible vision-language detectors into auditable measurement instruments for social-scientific research. PRR combines natural-language category prompts with pixel-level spatial refinement via the Segment Anything Model (SAM) and a multimodal LLM arbitration layer whose reasoning chains externalize domain knowledge and lower the expertise threshold for human-in-the-loop validation. A complementary three-tier auditability framework applies quantification learning to profile per-category reliability, support task-aligned configuration, and statistically correct prevalence estimates. Across four vision-language detectors and nine sociological categories, the pipeline yields substantial precision gains over zero-shot baselines, including a 43.3-point improvement for the strongest backbone. Applying PRR to 103,920 Facebook images from U.S. legislators during the 2024 election cycle and linking detections to DW-NOMINATE ideology scores, we find that more conservative legislators display U.S. flags as larger visual elements, with a weaker tendency toward peripheral placement, a spatial pattern invisible to binary detection. PRR provides computational social scientists with a model-agnostic toolkit for accessible, spatially-grounded, and correctable visual measurement.
• Abstract（参考訳）: ビジュアルコンテンツは、ソーシャルメディアに対する聴衆の認識と意見を形成し、計算社会科学は、大規模に画像を分析する自動化ツールにますます依存している。 既存のツールは、定義済みのカテゴリに依存したり、粗いイメージレベルのラベルだけを生成したり、どの特定のオブジェクトが画像に現れるか、どれだけ目立つか、そしてフレーム内のどの部分の規模が難しいかを測定したりします。 Perceive, Refine, Reason (PRR) は、フレキシブルな視覚言語検出器を社会科学的研究のための監査可能な測定器に変える、校正パイプラインである。 PRRは、自然言語のカテゴリプロンプトと、Segment Anything Model (SAM)によるピクセルレベルの空間的精細化と、推論チェーンがドメイン知識を外部化し、人間のループ検証の専門的閾値を下げるマルチモーダルLCM仲裁層を組み合わせる。 補完的な3層監査性フレームワークは、カテゴリごとの信頼性、タスク整列構成のサポート、統計的に正しい有病率推定に定量化学習を適用する。 4つの視覚言語検出器と9つの社会学的カテゴリでパイプラインは、最強のバックボーンの43.3ポイントの改善を含む、ゼロショットベースラインよりもかなり精度が向上する。 PRRを2024年の選挙で米国議会の103,920枚のFacebook画像に適用し、DW-NOMINATEのイデオロギースコアに検出をリンクすることで、より保守的な議会は、アメリカ国旗をより大きな視覚的要素として表示し、周囲の配置に対する傾向は弱く、二項検出には見えない空間パターンであることがわかった。 PRRは計算社会科学者に、アクセス可能、空間的、および修正可能な視覚計測のためのモデルに依存しないツールキットを提供する。

関連論文リスト

• Latent Fact-Checking: Detecting Misinformation through Activation Engineering [1.3299946892361476]
  本稿では,アクティベーションエンジニアリングを基盤とした誤情報検出フレームワークを提案する。 提案手法は,ペアの真理文と偽文のアクティベーションを対比することにより,残流の誤情報方向を導出する。 本手法は,AVeriTeC,LIAR,FACTorsの3つのファクトチェックベンチマークを用いて,11モデルにまたがって評価する。
  論文  参考訳（メタデータ） (2026-08-05T18:00:14Z)
• Imaginative Perception Tokens Enhance Spatial Reasoning in Multimodal Language Models [61.89854422423702]
  視覚言語モデル(VLM)は多くのタスクで優れるが、重要な情報が直接観測できない場合、空間的推論に苦慮する。 Inaginative Perception Tokens (IPT) は、VLMが知覚する空間構成を外部化する中間的知覚表現である。 IPTの監督は、空間的推論を一貫して改善し、しばしば思考訓練のテキスト連鎖よりも優れる。
  論文  参考訳（メタデータ） (2026-06-02T17:59:17Z)
• Beyond Activation Alignment: The Geometry of Neural Sensitivity [0.0]
  そこで我々は,小摂動を識別する表現能力に着目した,局所的測位可能な情報に基づくフレームワークを提案する。 対称正定値行列の多様体上の対数スペクトル距離を用いてこれらの正規化シグネチャを比較する。 経験的に、このフレームワークは、独立に訓練された人工ニューラルネットワークで対応するレイヤのリカバリを可能にする。
  論文  参考訳（メタデータ） (2026-05-04T23:21:24Z)
• ForgeryVCR: Visual-Centric Reasoning via Efficient Forensic Tools in MLLMs for Image Forgery Detection and Localization [62.03035862528452]
  ForgeryVCRは、視覚中心推論(Visual-Centric Reasoning)を通じて、知覚できないトレースを明示的な視覚中間体に物質化するフレームワークである。 ForgeryVCRは、検出タスクとローカライゼーションタスクの両方において、最先端(SOTA)のパフォーマンスを達成する。
  論文  参考訳（メタデータ） (2026-02-15T11:14:47Z)
• WESR: Scaling and Evaluating Word-level Event-Speech Recognition [59.21814194620928]
  音声は言語情報だけでなく、笑ったり泣いたりするような豊富な非言語的な音声イベントも伝達する。 我々は,21の発声イベントの分類を改良し,個別(スタンドアローン)と連続(音声と混合)に分類した。 改良された分類法に基づくWESR-Benchは,新しい位置認識プロトコルを備えた専門家アノテート評価セット(900以上の発話)である。
  論文  参考訳（メタデータ） (2026-01-08T02:23:21Z)
• Do Vision-Language Models Measure Up? Benchmarking Visual Measurement Reading with MeasureBench [4.095423692230828]
  Measure-Benchは、実世界と合成された様々な種類の計測画像の両方をカバーする、視覚的計測読影のベンチマークである。 我々のパイプラインは、制御可能な視覚的外観を持つ特定タイプのゲージを手続き的に生成する。
  論文  参考訳（メタデータ） (2025-10-30T17:20:51Z)
• Reading a Ruler in the Wild [1.4785540163232234]
  ピクセル計測を絶対的な実世界の次元に正確に変換することは、コンピュータビジョンにおける根本的な課題である。 RulerNetは“野生の”スケールを強く推論するディープラーニングフレームワークです。 実験によると、RetrorNetは現実世界の挑戦的な条件下で、正確で一貫性があり、効率的なスケール推定を提供する。
  論文  参考訳（メタデータ） (2025-07-09T17:35:58Z)
• VOCAL: Visual Odometry via ContrAstive Learning [25.50526976366299]
  VOCAL (Visual Odometry via ContrAstive Learning) は,ビジュアルオドメトリーをラベルランキングの課題として再定義する新しいフレームワークである。 ベイズ推論と表現学習フレームワークを統合することで、VOCALは視覚的特徴をミラーカメラ状態に整理する。 この戦略的アライメントは、学習した機能の解釈可能性を高め、マルチモーダルデータソースとの互換性を保証する。
  論文  参考訳（メタデータ） (2025-06-30T20:26:13Z)
• Human Cognitive Benchmarks Reveal Foundational Visual Gaps in MLLMs [65.93003087656754]
  VisFactorは、よく確立された認知心理学評価から20の視覚中心のサブテストをデジタル化するベンチマークである。 GPT、Gemini、Claude、LLaMA、Qwen、SEEDファミリーから20のフロンティアマルチモーダル言語モデル(MLLM)を評価する。 最高のパフォーマンスモデルは100点中25.19点のスコアしか得られず、精神的な回転、空間的関係推論、図形の識別といったタスクに一貫して失敗する。
  論文  参考訳（メタデータ） (2025-02-23T04:21:32Z)
• Metrics reloaded: Recommendations for image analysis validation [59.60445111432934]
  メトリクスのリロード(Metrics Reloaded)は、メトリクスの問題を意識した選択において研究者を導く包括的なフレームワークである。 このフレームワークは多段階のDelphiプロセスで開発され、問題指紋という新しい概念に基づいている。 問題指紋に基づいて、ユーザは適切なバリデーションメトリクスを選択して適用するプロセスを通じてガイドされる。
  論文  参考訳（メタデータ） (2022-06-03T15:56:51Z)
• Inter-class Discrepancy Alignment for Face Recognition [55.578063356210144]
  IA(Inter-class DiscrepancyAlignment)という統合フレームワークを提案する。 IDA-DAOは、画像と隣人の相違を考慮した類似度スコアの整合に使用される。 IDA-SSEは、GANで生成された仮想候補画像を導入することで、説得力のあるクラス間隣人を提供できます。
  論文  参考訳（メタデータ） (2021-03-02T08:20:08Z)

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。