論文の概要: THEIA: A Multimodal Dataset and Benchmark for Vision-Language Analysis of Layout

• arxiv url: http://arxiv.org/abs/2609.35035v2
• Date: Tue, 29 Sep 2026 14:58:59 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-09-30 21:28:46.792418
• Title: THEIA: A Multimodal Dataset and Benchmark for Vision-Language Analysis of Layout
• Title（参考訳）: THEIA:レイアウトの視覚言語分析のためのマルチモーダルデータセットとベンチマーク
• Abstract要約: 本稿では,質問応答と組み合わせた数千のレイアウト画像を含む新しいデータセットであるTheeIAを提案する。 アナログ回路のGDSIIファイルを解析するために、微調整視覚言語モデル(VLM)を用いたベンチマークを示す。
• 参考スコア（独自算出の注目度）: 1.4874449172133888
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: The integration of artificial intelligence into computer-aided design frameworks has sparked a shift in the design of analog integrated circuits (ICs), transitioning the field from using manual and algorithmic-based solutions to adopting automated and intelligent paradigms. In this scenario, the GDSII file represents the industry-standard database containing the ultimate and most accurate source of information of the analog circuit, encapsulating the complex physical geometries and parasitic realities that define tape out performance. This paper proposes THEIA, a novel dataset containing thousands of layout images paired with question-answer conversations, along with a benchmark that employs a fine-tuned vision-language model (VLM) to analyze GDSII files of analog circuits, enabling designers to interact with and query physical layouts as intuitive, meaningful entities. Experimental results using thousands of analog designs across five realistic tasks demonstrate that the proposed fine-tuned VLM outperforms state-of-the-art general-purpose VLMs by a significant margin (up to 73%), highlighting a fundamental gap between general-purpose multimodal reasoning and domain-specific layout understanding.
• Abstract（参考訳）: 人工知能をコンピュータ支援設計フレームワークに統合することで、アナログ集積回路(IC)の設計が変化し、手動およびアルゴリズムベースのソリューションから、自動化およびインテリジェントなパラダイムの採用へと移行した。 このシナリオでは、GDSIIファイルは、アナログ回路の究極の、最も正確な情報のソースを含む業界標準データベースを表し、テープアウト性能を定義する複雑な物理幾何学と寄生現実をカプセル化する。 本稿では,質問応答と組み合わせた数千のレイアウト画像と,アナログ回路のGDSIIファイルの解析に微調整された視覚言語モデル(VLM)を用いたベンチマークを用いて,設計者が直感的で意味のあるエンティティとして物理的レイアウトと対話し,クエリすることができる新しいデータセットであるTheeIAを提案する。 5つの現実的なタスクにまたがる数千のアナログ設計を用いた実験結果から、提案された微調整VLMは最先端の汎用VLMよりも高い性能(最大73%)を示し、汎用マルチモーダル推論とドメイン固有のレイアウト理解の根本的なギャップを浮き彫りにした。

関連論文リスト

• Inspector: Conversational and Lightweight Analyzer of Analog Circuit Layouts Using LLM and CNNs [1.386447804095467]
  本稿では,微調整 LLM と CNN を組み合わせてアナログ回路の GDSII ファイルを解析するフレームワークを提案する。 4つの現実的なタスクにまたがる何千ものアナログ設計を用いた実験結果から、提案手法は最先端の汎用大規模VLMよりも大きなマージンで優れていることが示された。
  論文  参考訳（メタデータ） (2026-09-28T11:54:13Z)
• More with Less: a Large Scale Remote Sensing VLM with a Simple Recipe [52.210953881548996]
  遠隔センシングベンチマークに挑戦することで,視覚言語モデルが競争力や最先端のパフォーマンスを達成可能であることを示す。 我々のモデルは、テキストで直接答えるか、セグメント化とグラウンド化のためにローカライズツールを呼び出すことができる単一の言語ポリシーを使用する。 提案手法は,高分解能,マルチテンポラル,マルチモーダル,マルチビュータスクを含む,幅広いベンチマークの競合性を実現する。
  論文  参考訳（メタデータ） (2026-07-17T13:25:44Z)
• Omni-I2C: A Holistic Benchmark for High-Fidelity Image-to-Code Generation [59.87131391492088]
  我々は,複雑な構造化デジタルグラフィックスを実行可能なコードに変換する上で,LMM(Large Multimodal Models)の能力を評価するために設計されたベンチマークであるOmni-I2Cを提案する。 真のユーザソースのケースを組み込むことで、このベンチマークは広範囲のデジタルコンテンツにまたがる。 評価の結果,主要なLMM間の性能差が顕著であることがわかった。
  論文  参考訳（メタデータ） (2026-03-18T09:10:04Z)
• UVLM: A Universal Vision-Language Model Loader for Reproducible Multimodal Benchmarking [0.42970700836450476]
  本稿では、Google ColabベースのフレームワークであるUVLMを紹介し、カスタム画像解析タスク上でVLMアーキテクチャをロード、数値、ベンチマークするための統一インターフェースを提供する。 UVLMはLLaVA-NeXTとQwen2.5-VLという2つの主要なモデルファミリをサポートしている。 主な機能として、4つのレスポンスタイプをサポートするマルチタスクプロンプトビルダー、多数決に基づくコンセンサス検証機構、フレキシブルトークン予算、ベンチマーク用のチェーンオブシンク参照モードがある。
  論文  参考訳（メタデータ） (2026-03-14T11:07:42Z)
• MIMIC: Multimodal Inversion for Model Interpretation and Conceptualization [52.66401137323065]
  視覚言語モデル(VLM)の内部表現を可視化するMIMIC(Multimodal Inversion for Model Interpretation and Conceptualization)フレームワークを提案する。 MIMICは、VLMの自己回帰処理のために、ジョイントVLMベースの反転と特徴アライメントの目的を使用する。 可変長自由形VLM出力テキストに対して視覚概念を反転させることによりMIMICを定量的に定性的に評価する。
  論文  参考訳（メタデータ） (2025-08-11T10:36:58Z)
• VisualTrans: A Benchmark for Real-World Visual Transformation Reasoning [10.497961559068493]
  ビジュアルトランスフォーメーション推論(VTR)は、知的エージェントが動的シーンを理解するための重要な認知能力である。 既存のベンチマークは、sim-to-realギャップ、タスクの複雑さの制限、不完全な推論カバレッジに悩まされている。 VisualTransは、現実世界の人間とオブジェクトのインタラクションシナリオにおいて、VTR用に特別に設計された最初の包括的なベンチマークである。
  論文  参考訳（メタデータ） (2025-08-06T03:07:05Z)
• Vision-Language Modeling Meets Remote Sensing: Models, Datasets and Perspectives [36.297745473653166]
  視覚言語モデリング(VLM)は、画像と自然言語の間の情報ギャップを埋めることを目的としている。 大規模な画像テキストペアを事前学習し、タスク固有のデータを微調整するという新しいパラダイムの下で、リモートセンシング領域のVLMは大きな進歩を遂げた。
  論文  参考訳（メタデータ） (2025-05-20T13:47:40Z)
• QID: Efficient Query-Informed ViTs in Data-Scarce Regimes for OCR-free Visual Document Understanding [53.69841526266547]
  トレーニング済みのVision-Language Modelを新しいデータセットで微調整することは、ビジョンエンコーダの最適化に不足することが多い。 視覚エンコーダにクエリの埋め込みを統合する,新しい,合理化されたアーキテクチャ保存アプローチであるQIDを導入する。
  論文  参考訳（メタデータ） (2025-04-03T18:47:16Z)
• OmniParser V2: Structured-Points-of-Thought for Unified Visual Text Parsing and Its Generality to Multimodal Large Language Models [58.45517851437422]
  VsTP(Visually-situated text parsing)は、自動化された文書理解の需要が高まり、最近顕著な進歩を遂げている。 既存のソリューションは、タスク固有のアーキテクチャと個々のタスクの目的に依存していることが多い。 本稿では,テキストスポッティング,キー情報抽出,テーブル認識,レイアウト解析など,VsTPの典型的なタスクを統一する汎用モデルであるOmni V2を紹介する。
  論文  参考訳（メタデータ） (2025-02-22T09:32:01Z)

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。