論文の概要: Absence is Presence: Understanding Visual Scene Negative Events Under Safety Cognitive Constraint

• arxiv url: http://arxiv.org/abs/2609.19812v1
• Date: Thu, 17 Sep 2026 07:24:40 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-09-20 08:55:54.137032
• Title: Absence is Presence: Understanding Visual Scene Negative Events Under Safety Cognitive Constraint
• Title（参考訳）: 安全認知制約下での視覚的否定事象の理解
• Abstract要約: 本稿では,反実的再構成と対照的な復号化に基づく否定的な字幕化フレームワークを提案する。 人間の認知にインスパイアされたCRCDは、そのタスクを、肯定バイアスをバイパスするためにキャプションを非現実的な潜在的変化として修正する。 実験はCRCDの有効性を検証し、この先駆的なタスクの高性能なベースラインを確立する。
• 参考スコア（独自算出の注目度）: 13.220023143859093
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Traditional scene understanding focuses on affirmative information objectively present in images. However, in safety-critical domains, comprehending key information that should exist but is actually absent is vital for risk mitigation. To bridge this gap, we focus on visual scene negative captioning with safety as the cognitive constraint. The core challenge is to convert physical absence into semantic negative events. Existing vision-language models (VLMs) struggle with this process because affirmation bias suppresses negative reasoning, while limited mental filling capability and representation bias further hinder the inference of absent information. To address these challenges, we propose a negative captioning framework based on counterfactual reconstruction and contrastive decoding (CRCD). Inspired by human cognition, CRCD reformulates the task as counterfactual latent change captioning to bypass affirmation bias. It contrasts a synthesized safe expectation with reality to identify semantic omissions. To address limited mental filling, we design a dual-branch counterfactual reconstruction architecture. The amodal completion branch restores defective objects, while the functional association branch infers completely absent safety objects. Concurrently, a multi-condition representation learning mechanism is integrated to mitigate representation bias by projecting universal features onto predefined safety criteria subspaces, thereby capturing information across more dimensions. By decoding feature-level semantic residuals between the reconstructed scene prototype and raw input, CRCD bounds the non-existence search space and activates the decoder's negative logic. Extensive experiments validate the effectiveness of CRCD, establishing a high-performance baseline for this pioneering task.
• Abstract（参考訳）: 伝統的なシーン理解は、画像に客観的に存在する肯定的な情報に焦点を当てている。 しかし、安全クリティカルな領域では、存在すべきだが実際には欠落している重要な情報を理解することは、リスク軽減に不可欠である。 このギャップを埋めるために、認知的制約として安全を伴う視覚的シーンの否定的なキャプションに焦点を当てた。 鍵となる課題は、物理的な欠如を意味的な負の事象に変換することである。 既存の視覚言語モデル(VLM)は、肯定バイアスが否定的推論を抑制する一方で、精神的な充足能力や表現バイアスが不在情報の推測を妨げているため、このプロセスに苦慮する。 これらの課題に対処するために,反実的再構成とコントラスト復号(CRCD)に基づく否定的なキャプションフレームワークを提案する。 人間の認知にインスパイアされたCRCDは、そのタスクを、肯定バイアスをバイパスするためにキャプションを非現実的な潜在的変化として再定義する。 これは、セマンティックな欠落を特定するために合成された安全な期待と現実とは対照的である。 制限されたメンタルフィリングに対処するために、両ブランチの対実的再構築アーキテクチャを設計する。 アモーダル完了部は欠陥対象を復元し、機能関連部は完全に欠落した安全対象を推測する。 同時に、多条件表現学習機構が統合され、普遍的な特徴を予め定義された安全基準部分空間に投影し、より多くの次元にわたる情報を取得することにより、表現バイアスを軽減する。 再構成されたシーンプロトタイプと生の入力の間の特徴レベルのセマンティック残差を復号することで、CRCDは存在しない検索空間を境界としてデコーダの負の論理を活性化する。 大規模な実験によりCRCDの有効性が検証され、この先駆的なタスクの高性能なベースラインが確立された。

関連論文リスト

• Benchmarking MLLMs via Cognitive Expected Scene Graph for Safety-Critical Visual Negation Understanding [13.220023143859093]
  制約のない視覚的否定のパラダイムは、過度にオープンなままであり、広範に肯定的な偏見は、評価指標を否定的な意味論の下で失敗させる。 まず、特定の認知目標内に否定的推論の境界を固定する。 本枠組みでは, 局所的ハザードの高密度なアサーションをマッピングした高忠実度負のキャプションデータセットを構築する。 同時に、構造化された極性を考慮した評価指標である認知期待シーングラフ(CESG)を提案する。
  論文  参考訳（メタデータ） (2026-09-17T06:36:32Z)
• Interpreting Object-Dependent Concept Brittleness in Text-to-Image Diffusion Models [105.53190946111586]
  我々はこの現象をオブジェクト依存概念の脆さと呼ぶ。 これらの障害を監査し、最小限に修正する、解釈可能性指向のフレームワークを提案する。 複数の拡散バックボーンにまたがるスタイルと属性の故障事例について,提案手法の評価を行った。
  論文  参考訳（メタデータ） (2026-09-09T09:07:40Z)
• EraseSAE: Surgical Concept Erasure in Text-to-Video Diffusion Models via Sparse Autoencoders [103.46709005379591]
  概念消去は、事前訓練されたモデルから不要なセマンティクスを取り除くことによって、原則化された救済を提供する。 既存のアプローチは一般に粗い品質で動作し、概念表現の微細で分散した性質と不一致である。 外科的概念の消去を実現するためにスパースオートエンコーダを利用する新しいフレームワークであるEraseSAEを提案する。
  論文  参考訳（メタデータ） (2026-09-03T10:23:37Z)
• When Safety Overrides Vision: Exploring Dynamics between Vision Influence and Safety Alignment in Vision-Language Models [20.327656782568923]
  視覚言語モデル(VLM)は、基底的視覚推論と安全な生成行動のバランスをとるように設計されている。 安全性に制約のある命令の下では、モデルはしばしばデフォルトの命令の下で正しく答えられる質問への応答を控える。 これは基本的な疑問を提起する: 安全アライメントは知覚的接地自体を抑制するのか、あるいは世代が棄権に向けてリダイレクトされる間、視覚的証拠は内部で利用可能か?
  論文  参考訳（メタデータ） (2026-08-19T07:22:15Z)
• From "What-If" to "What-Is": Counterfactual Thinking-Inspired Semantic Alignment for Visual Brain Decoding [21.204310001308077]
  視覚脳のデコーディングは、fMRIのような神経計測から知覚される視覚内容を再構成する。 視覚脳復号のための対実的セマンティックアライメントフレームワークであるConceptAlignを提案する。 本稿では,基本的識別性,対実的意味判断,表現幾何学を網羅した3段階意味評価フレームワークを提案する。
  論文  参考訳（メタデータ） (2026-08-15T10:40:53Z)
• See Only When Needed: Context-Aware Attention Intervention for Mitigating Hallucinations in LVLMs [81.71384150441163]
  大規模視覚言語モデル(LVLM)のためのコンテキスト認識注意介入(CAI)を提案する。 CAIは必要なときのみ2軸選択によってシーズを強制する。 複数のLVLMバックボーンとベンチマークの実験は、CAIが最先端の幻覚緩和を達成することを示している。
  論文  参考訳（メタデータ） (2026-06-29T06:35:47Z)
• Causal Bootstrapped Alignment for Unsupervised Video-Based Visible-Infrared Person Re-Identification [52.784239635604735]
  VVI-ReIDは、静止画像以外にも時間情報が付加的な手がかりを提供する、全日監視のための重要な技術である。 既存のアプローチは、高価なクロスモダリティアノテーションによる完全な教師付き学習に大きく依存しており、スケーラビリティが制限されています。 そこで,本研究では,ビデオの先行を明示的に活用するCausal Bootstrapped Alignmentフレームワークを提案する。
  論文  参考訳（メタデータ） (2026-04-17T02:15:59Z)
• Understanding and evaluating computer vision models through the lens of counterfactuals [2.2819712364325047]
  この論文は、視覚分類器および生成モデルにおけるバイアスの説明、監査、緩和に反事実を使用するフレームワークを開発する。 体系的に意味のある属性を体系的に変更し、他の属性を固定することで、これらの手法は突発的な相関を明らかにする。 これらの貢献は、識別モデルと生成モデルの両方において、解釈可能性、公正性、因果性のための統一レンズとして反事実を示す。
  論文  参考訳（メタデータ） (2025-08-28T15:11:49Z)
• Does Representation Intervention Really Identify Desired Concepts and Elicit Alignment? [73.80382983108997]
  表現の介入(Representation intervention)は、大規模言語モデルにおいて基礎となる概念を符号化する表現の発見と修正を目的としている。 介入が忠実であれば、介入されたLLMは有害な概念を消去し、非分配的敵のプロンプトとアウト・オブ・ディストリビューションのジェイルブレイクの両方に対して堅牢であるべきである。 本研究では,有害表現と良性表現の境界を簡易化する概念集中(COCA)を提案する。
  論文  参考訳（メタデータ） (2025-05-24T12:23:52Z)

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。