論文の概要: Correcting to Predict: Pseudo-Value Correction for Multimodal Attribute Value Extraction

• arxiv url: http://arxiv.org/abs/2609.34383v1
• Date: Mon, 28 Sep 2026 05:59:19 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-10-03 21:18:31.433255
• Title: Correcting to Predict: Pseudo-Value Correction for Multimodal Attribute Value Extraction
• Title（参考訳）: 予測の訂正:マルチモーダル属性値抽出のための擬値補正
• Abstract要約: 本稿では属性抽出を補正処理として扱うフレームワークC2Pを提案する。 トレーニング中、様々な擬似値が、モデルがエビデンスに基づく修正行動を学ぶのに役立つ。 推測では、固定されたプレースホルダーが学習された修正動作をトリガーし、効率的なシングルパス予測を可能にする。
• 参考スコア（独自算出の注目度）: 10.14650354274198
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Product attribute value extraction (AVE) is a fundamental task in e-commerce, aiming to identify specific values of predefined attributes from multimodal product profiles such as text and images. While multimodal large language models (MLLMs) have shown promise for AVE, they face challenges in extracting implicit attributes that require joint reasoning over visual and textual cues, often confusing semantically similar values. However, existing methods often fail to resolve such ambiguities because the correct value often depends on subtle multimodal cues that are easy to miss or override. To address this challenge, we propose Correcting to Predict (C2P), a framework that treats attribute extraction as a correction process. Given an initial pseudo-value such as a retrieved candidate or placeholder, the model learns to correct it using multimodal evidence. During training, diverse pseudo-values help the model learn evidence-based correction behavior, and a self-consistency refinement stage further reduces sensitivity to pseudo-value perturbations. At inference, a fixed placeholder triggers the learned correction behavior, enabling efficient single-pass prediction without online retrieval or iterative refinement. We evaluate C2P on a public benchmark and a large-scale industrial dataset. Offline results show that C2P outperforms strong baselines, with notable gains on ambiguous attributes. Online A/B tests on AliExpress further show consistent improvements in seller adoption, attribute completeness, and user engagement, validating C2P's effectiveness and efficiency in real-world deployment.
• Abstract（参考訳）: 商品属性値抽出(AVE)はeコマースにおける基本的な課題であり、テキストや画像などのマルチモーダル製品プロファイルから予め定義された属性の特定の値を特定することを目的としている。 MLLM(Multimodal large language model)は、AVEの約束を示しているが、視覚的およびテキスト的手がかりに対する共同推論を必要とする暗黙の属性を抽出する上で、しばしば意味論的に類似した値を混乱させるという課題に直面している。 しかし、既存の手法は、しばしばそのような曖昧さを解決するのに失敗する。 この課題に対処するため,属性抽出を修正プロセスとして扱うフレームワークであるC2Pを提案する。 検索された候補やプレースホルダーなどの初期擬似値が与えられた場合、モデルはマルチモーダルなエビデンスを用いて修正する。 訓練中、様々な擬似値が証拠に基づく補正行動の学習に役立ち、自己整合性改善段階は擬似値摂動に対する感受性をさらに低下させる。 推測では、固定されたプレースホルダーが学習した修正動作をトリガーし、オンライン検索や反復的な改善なしに効率的なシングルパス予測を可能にする。 我々は、C2Pを公開ベンチマークと大規模産業データセットで評価した。 オフラインの結果,C2Pは強塩基性に優れ,不明瞭な特性が顕著であった。 AliExpressのオンラインA/Bテストでは、売り手の採用、属性の完全性、ユーザエンゲージメントが一貫した改善が見られ、C2Pの有効性と実際のデプロイメント効率が検証されている。

関連論文リスト

• Dual-Teacher Distillation with Subnetwork Rectification for Black-Box Domain Adaptation [69.7036779439312]
  ブラックボックスドメイン適応は、非常に実用的で非常に困難な設定である。 ブラックボックスソースモデルに埋め込まれた特定の知識を活用するサブネットワーク整合モデル(DDSR)を用いた二重蒸留法を提案する。 我々の手法は、ソースデータやモデルの使用を含む、最先端の手法に対する一貫した改善を実証する。
  論文  参考訳（メタデータ） (2026-03-24T07:54:19Z)
• VISA: Value Injection via Shielded Adaptation for Personalized LLM Alignment [24.492954219955788]
  細調整と大言語モデル(LLM)のトレードオフをナビゲートするクローズドループフレームワークを提案する。 VISAは高精度な値検出器、セマンティック・ツー・バリュー・トランスレータ、コア・バリュー・リライターを備えている。 実験により,本手法は,実際の一貫性と汎用性を保ちながら,モデルの値表現を正確に制御できることが実証された。
  論文  参考訳（メタデータ） (2026-03-05T05:12:26Z)
• Explicit Uncertainty Modeling for Active CLIP Adaptation with Dual Prompt Tuning [51.99383151474742]
  デュアルプロンプトチューニングに基づくアクティブCLIP適応のためのロバストな不確実性モデリングフレームワークを提案する。 提案手法は,同一のアノテーション予算の下で,既存のアクティブラーニング手法よりも一貫して優れていることを示す。
  論文  参考訳（メタデータ） (2026-02-04T09:01:55Z)
• D2Pruner: Debiased Importance and Structural Diversity for MLLM Token Pruning [49.16227597771663]
  D2Prunerは、デバイアスされた重要性と構造的なプルーニングメカニズムを組み合わせたフレームワークである。 FLOPを74.2%削減し、元の性能の99.2%を維持した。 既存の手法に比べて63.53%も改善されている。
  論文  参考訳（メタデータ） (2025-12-22T14:42:31Z)
• On the Role of Feedback in Test-Time Scaling of Agentic AI Workflows [71.92083784393418]
  エージェントAI(自律的な計画と行動を行うシステム)は広く普及しているが、複雑なタスクにおけるタスクの成功率は低いままである。 推論時のアライメントは、サンプリング、評価、フィードバックの3つのコンポーネントに依存します。 本稿では,様々な形態の批判から抽出されたフィードバックを繰り返し挿入するIterative Agent Decoding(IAD)を紹介する。
  論文  参考訳（メタデータ） (2025-04-02T17:40:47Z)
• Boosting Multi-Modal E-commerce Attribute Value Extraction via Unified Learning Scheme and Dynamic Range Minimization [14.223683006262151]
  本稿では,統合学習スキームとダイナミックレンジ最小化によるマルチモーダルeコマース属性値抽出手法を提案する。 一般的なマルチモーダル電子商取引ベンチマークの実験は、我々の手法が他の最先端技術よりも優れた性能を発揮することを示している。
  論文  参考訳（メタデータ） (2022-07-15T03:58:04Z)

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。