論文の概要: Math2Visual-X: A Modular Framework for Pedagogically Aligned Lower-Primary Math Visuals Generation

• arxiv url: http://arxiv.org/abs/2609.22647v1
• Date: Fri, 18 Sep 2026 23:47:19 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-09-22 20:29:00.512712
• Title: Math2Visual-X: A Modular Framework for Pedagogically Aligned Lower-Primary Math Visuals Generation
• Title（参考訳）: Math2Visual-X: ペダゴジカルにアライズされた下ピアリーな数学ビジュアル生成のためのモジュラーフレームワーク
• Abstract要約: 本稿では,低次数学語問題生成のための記号的視覚生成フレームワークを提案する。 このフレームワークには、LLMベースのルーティング層、ワークシート指向の3つの生成モジュール、およびオープンワールドアセット獲得のための2つのフォールバックメカニズムが含まれている。
• 参考スコア（独自算出の注目度）: 3.0636641279854175
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Visual representations can help lower-primary learners understand Math Word Problems, but generating classroom-usable visuals remains difficult. Existing symbolic systems are controllable but limited in coverage, while end-to-end text-to-image systems often fail to satisfy exact mathematical constraints. This paper presents a symbolic visual generation framework for lower-primary MWP generation with broader problem coverage and more scalable asset generation. The framework includes an LLM-based routing layer, three worksheet-oriented generation modules, and two fallback mechanisms for open-world SVG asset acquisition. A human evaluation comparing Math2Visual-X with Stable Diffusion XL, Nano Banana, and GPT Image showed that the proposed method achieved the strongest overall performance. The results indicate that the framework offers a scalable and pedagogically grounded approach for automatic MWP visual generation.
• Abstract（参考訳）: 視覚表現は、低学年の学習者が数学語問題を理解するのに役立つが、教室で使える視覚情報を生成することは依然として困難である。 既存のシンボリックシステムは制御可能であるが、カバー範囲は限られているが、エンドツーエンドのテキスト・ツー・イメージシステムは正確な数学的制約を満たすことができないことが多い。 本稿では、より広範な問題カバレッジとよりスケーラブルな資産生成を備えた、低次MWP生成のための象徴的な視覚生成フレームワークを提案する。 このフレームワークには、LLMベースのルーティング層、ワークシート指向の3つの生成モジュール、およびオープンワールドSVG資産取得のための2つのフォールバックメカニズムが含まれている。 Math2Visual-XとStable Diffusion XL, Nano Banana, GPT Imageを比較した人間による評価の結果, 提案手法が最も高い性能を示した。 その結果,このフレームワークは,自動MWPビジュアル生成のための,スケーラブルで教育的なアプローチを提供することがわかった。

関連論文リスト

• VisTIRA: Closing the Image-Text Modality Gap in Visual Math Reasoning via Structured Tool Integration [2.7403985180660784]
  視覚言語モデル(VLM)は、同じ問題がテキストではなく画像として提示される場合、数学的推論においてテキストのみの言語モデルより遅れる。 本稿では、与えられた数学問題を(画像として)自然言語の有理数に分解することで、構造化された問題解決を可能にするツール統合推論フレームワークであるVisTIRAを紹介する。 ツール統合監視により画像ベース推論が向上し,OCRグラウンド化により,より小さなモデルのギャップをさらに狭めることができることを示す。
  論文  参考訳（メタデータ） (2026-01-20T19:54:49Z)
• MathCanvas: Intrinsic Visual Chain-of-Thought for Multimodal Mathematical Reasoning [58.776297011268845]
  本稿では,数学の本質的なVCoT機能を備えた大規模マルチモーダルモデルを実現するための包括的フレームワークを提案する。 我々のモデルであるBAGEL-canvasは、強力なLMMベースラインよりも86%の相対的な改善を実現しています。 我々の研究は、LMMにおける複雑なヒューマンライクな視覚支援推論をアンロックするためのツールキット・フレームワーク、データセット、ベンチマークを完全提供する。
  論文  参考訳（メタデータ） (2025-10-16T17:58:58Z)
• Generating Pedagogically Meaningful Visuals for Math Word Problems: A New Benchmark and Analysis of Text-to-Image Models [40.80541801381895]
  テキスト記述から教育的に意味のある視覚を生成するためのフレームワークであるMath2Visualを提案する。 我々は1,903個のビジュアルの注釈付きデータセットを構築し、テキスト・ツー・イメージ(TTI)モデルを評価する。
  論文  参考訳（メタデータ） (2025-06-04T09:08:11Z)
• Janus-Pro-R1: Advancing Collaborative Visual Comprehension and Generation via Reinforcement Learning [92.57052246970254]
  視覚的理解と生成の協調的共進化を可能にすることを提案する。 教師付き微調整は、真のCoTを生成する基礎的な能力を持つMLLMを指導する。 画像生成におけるAhaモーメントを解き、テキスト・ツー・イメージタスクから統合画像生成へMLLMを前進させる。
  論文  参考訳（メタデータ） (2025-06-02T09:39:28Z)
• From Text to Visuals: Using LLMs to Generate Math Diagrams with Vector Graphics [4.012351415340318]
  大規模言語モデル(LLM)は、教師と学生の両方のサポートを自動化することで、数学教育を強化する新しい可能性を提供する。 LLMを使ってスケーラブルベクトルグラフ(SVG)を生成する最近の研究は、図作成を自動化するための有望なアプローチを示している。 本稿では,(1)問題解のヒントを自動的に生成し,それらの品質を評価する方法,(2)SVGが数学図の効果的な中間表現であるかどうか,(3)正確なSVGベースの図を生成するためには,LSMがどのような戦略や形式を必要とするのか,という3つの研究課題に対処する。
  論文  参考訳（メタデータ） (2025-03-10T15:13:38Z)
• Open Eyes, Then Reason: Fine-grained Visual Mathematical Understanding in MLLMs [62.875934732547435]
  現在の大言語モデル(MLLM)は、細かな視覚的理解を必要とする数学的問題解決のタスクでは性能が劣ることが多い。 本稿では,最先端MLLMの視覚的接地能力を評価し,視覚的接地精度と問題解決性能との間に有意な負の相関関係を示す。 本稿では,幾何学的地上視覚エンコーダと,階層型視覚特徴マップの寄与度を動的に調整する機能ルータを備えた新しいアプローチであるSVE-Mathを提案する。
  論文  参考訳（メタデータ） (2025-01-11T04:08:44Z)
• MAVIS: Mathematical Visual Instruction Tuning with an Automatic Data Engine [85.80851893886161]
  MLLMのための数学的なVISual命令チューニングパイプラインであるMAVISを提案する。 我々はMAVIS-Captionを用いて、図形視覚符号化の改善に適したコントラスト学習により、数学固有の視覚エンコーダ(CLIP-Math)を微調整する。 第3に、ロバストな問題解決スキルの指導チューニングを行うためにMAVIS-Instructを採用し、結果のモデルをMAVIS-7Bと呼ぶ。
  論文  参考訳（メタデータ） (2024-07-11T17:59:47Z)

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。