論文の概要: A Multi-Modal Generative Model for Tomato Disease Leaves Understanding

• arxiv url: http://arxiv.org/abs/2609.19555v1
• Date: Thu, 17 Sep 2026 01:25:57 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-09-20 08:55:54.061828
• Title: A Multi-Modal Generative Model for Tomato Disease Leaves Understanding
• Title（参考訳）: トマト病の理解のための多モード生成モデル
• Abstract要約: SOLARは、6つの質問応答タスクにまたがるトマト病を理解するマルチモーダル生成モデルである。 SOLARを4,677ドルの画像で評価し,トマト葉病を理解するために216,209ドルの質問応答(QA)ペアを用いた。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Artificial intelligence for plant disease analysis has advanced from task-specific classifiers to multi-modal models capable of jointly interpreting visual and textual information. However, practical deployment in precision agriculture remains limited because most existing approaches treat disease understanding as isolated prediction tasks, failing to capture the complementary relationships among symptom recognition, severity assessment, and question-driven diagnostic reasoning. In tomato pathology, accurate interpretation of diseased leaves requires more than label prediction; it demands integrating visual symptoms with semantic context to support a comprehensive and explainable understanding. Here, we present SOLAR, a multimodal generative model that understands tomato disease spanning six question-answering tasks. SOLAR learns to align visual features with task-aware language representations by Fusion Expert module based on mixture-of-expert, enabling it to generate contextually relevant answers across diverse diagnostic tasks. By formulating tomato disease analysis as a generative Visual Question Answering (VQA) task, SOLAR provides a flexible framework that supports multi-task inference within a single model while improving performance and cross-task knowledge sharing. We evaluate SOLAR on $41,677$ images, including $216,209$ Question-Answering (QA) pairs to understand tomato leaf disease under both closed and open-ended QA settings. Experimental results show that SOLAR consistently outperforms state-of-the-art vision-only, vision-language, and task-specific models across all tasks, demonstrating superior accuracy, robustness, and multimodal reasoning. These findings highlight the potential of generative multimodal modeling as an effective direction for understanding of plant disease. The code for this study is available at https://github.com/EnalisUs/SOLAR.
• Abstract（参考訳）: 植物病の解析のための人工知能は、タスク固有の分類器から、視覚情報とテキスト情報を共同で解釈できるマルチモーダルモデルへと進歩してきた。 しかし、既存のほとんどのアプローチは、病気理解を孤立した予測課題として扱い、症状認識、重症度評価、質問駆動型診断推論の相補的関係を捉えていないため、精度農業の実践的展開は依然として限られている。 トマトの病理学では、病気の葉の正確な解釈はラベル予測以上のものを必要とし、包括的で説明可能な理解を支援するために視覚症状と意味的文脈を統合する必要がある。 そこで本研究では,6つの質問応答タスクにまたがるトマト病を理解するマルチモーダル生成モデルであるSOLARを提案する。 SOLARは、Mix-of-Expertに基づいたFusion Expertモジュールによって、視覚的特徴とタスク認識言語表現との整合性を学び、多様な診断タスク間でコンテキスト的に関連する回答を生成する。 トマト病の解析を生成的視覚質問回答(VQA)タスクとして定式化することにより、SOLARは単一のモデル内でマルチタスク推論をサポートしながら、パフォーマンスとクロスタスクの知識共有を改善した柔軟なフレームワークを提供する。 我々はSOLARを41,677ドルの画像で評価し,216,209ドルの質問応答(QA)ペアでトマト葉病をクローズドおよびオープンエンドのQA設定で理解した。 実験結果から、SOLARは、すべてのタスクにおいて、最先端のビジョンのみ、ビジョン言語、タスク固有のモデルより一貫して優れており、精度、堅牢性、マルチモーダル推論が優れていることが示された。 これらの知見は, 植物病の理解の有効な方向として, 生成的マルチモーダルモデリングの可能性を強調した。 この研究のコードはhttps://github.com/EnalisUs/SOLAR.comで公開されている。

関連論文リスト

• TomaMMU: A Comprehensive Multimodal Understanding Benchmark for Tomato Leaf Diseases [0.0]
  このギャップに対処するために,大規模トマト葉病のマルチモーダル理解データセットであるTomaMMUを紹介する。 TomaMMUは15のカテゴリにまたがる28,808の高品質な画像と213,119の視覚的質問応答対で構成されている。 トマベンチは7つの農業タスクを基本認識、病理理解、専門家診断にまたがる階層的な3段階の分類に分類している。
  論文  参考訳（メタデータ） (2026-08-09T14:20:49Z)
• Towards Autonomous and Auditable Medical Imaging Model Development [53.326510777116766]
  本稿では,医療画像モデル開発のための自律型マルチエージェントフレームワークAMIDを紹介する。 AMIDが最初に提案するData-Conditioned Method Planningは、タスクレベルの粗い検索空間を、実行可能で並列化可能なメソッドレーンに洗練する。 次に検証誘導二段階最適化(Verification-Guided Two-Stage Optimization)を開発し、様々な手法レーンの広範な早期探索から、有望な候補の選択的利用へと移行した。
  論文  参考訳（メタデータ） (2026-07-12T00:54:06Z)
• MMBU: A Massive Multi-modal Biomedical Understanding Benchmark to Probe the Perception Capabilities of Vision-Language Models [83.50100003741628]
  ビジョンと言語モデル(VLM)は、バイオメディカルイメージングを変革する大きな可能性を秘めている。 本稿では,MMBU(Massive Multimodal Biomedical Understanding)ベンチマークを紹介する。 今までで最大のビジョンと言語ベンチマークで、35のサブモダリティと豊富な構造化メタデータをカバーしている。
  論文  参考訳（メタデータ） (2026-06-04T20:24:47Z)
• LeafNet: A Large-Scale Dataset and Comprehensive Benchmark for Foundational Vision-Language Understanding of Plant Diseases [0.0]
  LeafBenchは、植物病の理解におけるビジョン・ランゲージ・モデル(VLM)の機能を評価するために開発された視覚的質問応答ベンチマークである。 このデータセットは、97の病気のクラスにまたがる186,000の葉のデジタルイメージとメタデータを組み合わせ、13,950の質問応答ペアを生成する。 LeafBenchデータセット上で12の最先端のVLMをベンチマークした結果,その疾患理解能力の相違が明らかとなった。
  論文  参考訳（メタデータ） (2026-02-14T08:10:27Z)
• A Multi-Agent System for Complex Reasoning in Radiology Visual Question Answering [3.3809462259925938]
  放射線画像質問応答(RVQA)は胸部X線画像に関する質問に対して正確な回答を提供する。 近年,マルチモーダル大言語モデル (MLLM) と検索拡張生成 (RAG) に基づく手法がRVQAの進歩に寄与している。 RVQAにおける複雑な推論を支援するために,マルチエージェントシステム(MAS)を導入する。
  論文  参考訳（メタデータ） (2025-08-04T19:09:52Z)
• Advancing AI Research Assistants with Expert-Involved Learning [84.30323604785646]
  大規模言語モデル (LLM) と大規模マルチモーダルモデル (LMM) は、生物医学的な発見を促進することを約束するが、その信頼性は未定である。 ARIEL(AI Research Assistant for Expert-in-the-Loop Learning)は,オープンソースの評価・最適化フレームワークである。 LMMは詳細な視覚的推論に苦しむのに対し、最先端のモデルでは流動性はあるが不完全な要約を生成する。
  論文  参考訳（メタデータ） (2025-05-03T14:21:48Z)
• ViKL: A Mammography Interpretation Framework via Multimodal Aggregation of Visual-knowledge-linguistic Features [54.37042005469384]
  MVKLは,マルチビュー画像,詳細な表示,報告を含む最初のマルチモーダルマンモグラフィーデータセットである。 このデータセットに基づいて、教師なし事前学習のチャラリングタスクに焦点を当てる。 視覚,知識,言語機能を相乗化するフレームワークであるViKLを提案する。
  論文  参考訳（メタデータ） (2024-09-24T05:01:23Z)
• Towards Mitigating Hallucination in Large Language Models via Self-Reflection [63.2543947174318]
  大規模言語モデル(LLM)は、質問応答(QA)タスクを含む生成的および知識集約的なタスクを約束している。 本稿では,広範に採用されているLCMとデータセットを用いた医療再生QAシステムにおける幻覚現象を解析する。
  論文  参考訳（メタデータ） (2023-10-10T03:05:44Z)
• Unsupervised deep learning techniques for powdery mildew recognition based on multispectral imaging [63.62764375279861]
  本稿では,キュウリ葉の粉状ミドウを自動的に認識する深層学習手法を提案する。 マルチスペクトルイメージングデータに適用した教師なし深層学習技術に焦点をあてる。 本稿では, オートエンコーダアーキテクチャを用いて, 疾患検出のための2つの手法を提案する。
  論文  参考訳（メタデータ） (2021-12-20T13:29:13Z)

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。