論文の概要: Generative Tutorial: Towards Live Contextualized Visual Instructions for Physical Tasks

• arxiv url: http://arxiv.org/abs/2609.24955v1
• Date: Mon, 21 Sep 2026 17:46:25 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-09-23 18:04:04.021581
• Title: Generative Tutorial: Towards Live Contextualized Visual Instructions for Physical Tasks
• Title（参考訳）: 生成的チュートリアル:物理課題に対する実環境対応型視覚指導に向けて
• Abstract要約: 本稿では,ユーザ環境とタスクフロー内の意図した結果と行動を記述する,視覚的視覚指導のための概念的フレームワークであるGenerative Tutorialを紹介する。 我々は,観察されたワークスペースコンテキストを用いて,目標画像とデモ映像を積極的に生成する拡張現実プロトタイプシステムを構築した。 24人の被験者による実験では、事前の指導よりもタスクパフォーマンスの質が高く、ワークスペースの対応性が向上し、システムとのステップ確認間隔が短くなった。
• 参考スコア（独自算出の注目度）: 6.098204337917895
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Visual instructions for physical tasks are typically authored in one context and followed in another, requiring users to translate demonstrated tools, materials, and spatial relationships into their own environment. We introduce Generative Tutorial, a conceptual framework for live visual instruction that depicts intended outcomes and actions within the user's environment and task flow. A formative evaluation of state-of-the-art image and video generation identifies failures and potential benefits across 15 physical tasks. Drawing on these findings, we build an augmented-reality prototype system that proactively generates goal images and demonstration videos using observed workspace context and predicted visual outcomes of preceding actions. A 24-participant lab study found higher task performance quality, greater perceived workspace correspondence, and shorter step-confirmation intervals with the system than with pre-authored guidance. Qualitative findings highlighted how contextual resemblance shapes trust, how generation errors affect interpretation, and how guidance delivery should adapt to users' needs, informing future designs.
• Abstract（参考訳）: 物理的タスクの視覚的指示は、通常、あるコンテキストで作成され、別のコンテキストで続く。 本稿では,ユーザ環境とタスクフロー内の意図した結果と行動を記述する,視覚的視覚指導のための概念的フレームワークであるGenerative Tutorialを紹介する。 最先端の画像とビデオ生成の形式的評価は、15の物理的タスクにおける失敗と潜在的な利益を識別する。 これらの知見に基づいて,観測されたワークスペースコンテキストと先行行動の視覚的結果から,目標画像とデモ映像を積極的に生成する拡張現実プロトタイプシステムを構築した。 24人の被験者による実験では、事前の指導よりもタスクパフォーマンスの質が高く、ワークスペースの対応性が向上し、システムとのステップ確認間隔が短くなった。 質的な発見は、文脈的類似性がどのように信頼を形作るか、生成エラーが解釈にどう影響するか、ユーザーのニーズにどのように適応すべきか、将来の設計を伝えることを強調した。

関連論文リスト

• What Makes Pre-Trained Visual Representations Successful for Robust Manipulation? [57.92924256181857]
  照明やシーンテクスチャの微妙な変化の下では,操作や制御作業のために設計された視覚表現が必ずしも一般化されないことがわかった。 創発的セグメンテーション能力は,ViTモデルにおける分布外一般化の強い予測因子であることがわかった。
  論文  参考訳（メタデータ） (2023-11-03T18:09:08Z)
• InstructCV: Instruction-Tuned Text-to-Image Diffusion Models as Vision Generalists [66.85125112199898]
  我々は,タスク固有の設計選択を抽象化する,コンピュータビジョンタスクのための統一言語インタフェースを開発する。 InstructCVと呼ばれる我々のモデルは、他のジェネラリストやタスク固有の視覚モデルと比較して競合的に機能する。
  論文  参考訳（メタデータ） (2023-09-30T14:26:43Z)
• Task Formulation Matters When Learning Continually: A Case Study in Visual Question Answering [58.82325933356066]
  継続的な学習は、以前の知識を忘れずに、一連のタスクでモデルを漸進的にトレーニングすることを目的としている。 本稿では,視覚的質問応答において,異なる設定がパフォーマンスに与える影響について詳細に検討する。
  論文  参考訳（メタデータ） (2022-09-30T19:12:58Z)
• Embodied Visual Active Learning for Semantic Segmentation [33.02424587900808]
  本研究では,エージェントが3次元環境を探索し,視覚シーン理解の獲得を目指す,具体化されたビジュアルアクティブラーニングの課題について検討する。 我々は、学習と事前指定の両方のエージェントのバッテリーを開発し、環境に関する異なるレベルの知識で開発する。 本研究では,matterport3dシミュレータを用いて提案手法を広範囲に評価し,本手法が比較対象よりも優れていることを示す。
  論文  参考訳（メタデータ） (2020-12-17T11:02:34Z)

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。