論文の概要: Beyond Readability: Evaluating Task Information Recoverability

• arxiv url: http://arxiv.org/abs/2609.36957v1
• Date: Tue, 29 Sep 2026 07:59:01 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-09-30 21:28:47.308031
• Title: Beyond Readability: Evaluating Task Information Recoverability
• Title（参考訳）: 可読性を超えて - タスク情報の回復性を評価する
• Abstract要約: 固定された観測から目標を復号できないと、他の回復経路を通してその目標にアクセスできなくなる。 我々は、観察、クエリ、ターゲット、利用可能な知識を明確にするための評価視点を開発する。
• 参考スコア（独自算出の注目度）: 1.9696505968699205
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Direct visual readability and task-information recoverability are different quantities. Failure to decode a target from a fixed observation need not eliminate access to that target through another recovery route. We develop an evaluation perspective that makes the observation, query, target, and available knowledge explicit and measures the overlap between routes' success sets. For information available on the original visible surface under suitable imaging conditions, direct optical recovery reads the target from the image, optionally after restoration; entity-linked recovery uses residual visual evidence to identify the depicted entity and accesses its target through an entity--attribute relation in a specified knowledge resource. Such access can draw on stored knowledge or an external source. A controlled book-cover study instantiates external access with a fixed title--author catalog, comparing optical author recovery with visual title resolution and deterministic lookup under resolution degradation. Entity-linked successes persist across the tested vision--language models, revealing information access beyond the tested direct visual frontier despite substantial differences in absolute performance. A substantial optical-only region remains. These complementary outcomes show why visual degradation should be evaluated through the task information accessible along specified routes and knowledge resources, alongside direct readability.
• Abstract（参考訳）: 直接の視覚的可読性とタスク情報復元性は、異なる量である。 固定された観測から目標を復号できないと、他の回復経路を通じてその目標へのアクセスを排除できない。 そこで我々は,経路の成功点間の重なり合いを明確化し,その観察,クエリ,ターゲット,利用可能な知識を明確化する評価視点を構築した。 適切な撮像条件下で元の可視表面で利用可能な情報について、直接光回復は、任意に、画像からターゲットを読み取る;エンティティリンクリカバリは、残余の視覚的証拠を使用して、描写された実体を識別し、特定の知識リソース内のエンティティ属性関係を介してそのターゲットにアクセスする。 このようなアクセスは、記憶された知識や外部ソースに基づいて引き出すことができる。 制御されたブックカバースタディは、固定されたタイトルオーサカタログで外部アクセスをインスタンス化し、光学的著者回復と視覚的タイトルレゾリューションと、解像度劣化下の決定論的ルックアップを比較した。 エンティティにリンクされた成功は、テスト対象の視覚モデル全体にわたって持続し、絶対的なパフォーマンスにかなりの違いがあるにも関わらず、テスト対象の直接視覚フロンティアを越えた情報アクセスを明らかにする。 かなりの光のみの領域が残っている。 これらの相補的な結果は、視覚的な劣化が、特定の経路や知識資源に沿ってアクセス可能なタスク情報を通じて、直接の可読性とともに評価されるべきであることを示す。

関連論文リスト

• Does It Fail to See or Fail to Know? Attributing Errors in Vision-Language Models [33.564453692157095]
  不確実性は、モデルが失敗する可能性を示すだけでなく、なぜ不確実かも診断すべきである。 そこで本研究では,障害発生源の予測に前世代の信号が有効かどうかを検証し,障害発生モードを解消するための統一的なフレームワークを提案する。 我々の主な発見は、認識関連障害が視覚的トーケン表現によって最もよく捉えられるのに対して、認識後に残る障害は、素早い条件で隠された状態によってよりよく捉えられることである。
  論文  参考訳（メタデータ） (2026-07-06T05:11:45Z)
• Lost or Hidden? A Concept-Level Forgetting in Supervised Continual Learning [12.190665911412466]
  本稿では, 忘れを明らかに概念の削除, 回復可能性, 否定可能性に分解するフレームワークを提案する。 概念レベルの情報の多くは、線形性仮定の下で復元できることがよく示される。 以上の結果から,概念レベルの忘れ方の大部分は,表現的アクセシビリティの変化によるものであることが示唆された。
  論文  参考訳（メタデータ） (2026-05-10T20:07:10Z)
• TransFIRA: Transfer Learning for Face Image Recognizability Assessment [73.61309363885552]
  TransFIRAは軽量でアノテーションのないフレームワークで、埋め込みスペースで直接認識できる。 顔以外の新しい拡張には、エンコーダで座屈した説明可能性があり、これは、劣化と被写体固有の要因が認識可能性にどのように影響するかを示す。 実験では、顔に対する最先端の結果、身体認識に対する強い堅牢性、およびデータセット間のシフトの下で確認された。
  論文  参考訳（メタデータ） (2025-10-07T18:16:21Z)
• Lost in Embeddings: Information Loss in Vision-Language Models [38.8742043080561]
  視覚言語モデルは、しばしば事前訓練された視覚エンコーダを通して視覚入力を処理し、続いてコネクタコンポーネントを介して言語モデルの埋め込み空間に投影する。 この射影ステップによって引き起こされる潜在的な情報損失と、モデル能力に対する直接的な影響は、まだ検討されていない。 潜在表現空間を解析することにより、この損失を検証・定量化するための2つの補完的アプローチを導入する。
  論文  参考訳（メタデータ） (2025-09-15T14:38:06Z)
• Beyond Relevance: Evaluate and Improve Retrievers on Perspective Awareness [56.42192735214931]
  検索者は、ドキュメントとクエリ間のセマンティックな関連性に頼るだけでなく、ユーザクエリの背後にある微妙な意図や視点を認識することも期待されている。 本研究では,検索者がクエリの異なる視点を認識し,応答できるかどうかを検討する。 我々は,現在の検索者はクエリにおいて微妙に異なる視点に対する認識が限られており,特定の視点に偏りがあることを示す。
  論文  参考訳（メタデータ） (2024-05-04T17:10:00Z)
• Collaborative Knowledge Infusion for Low-resource Stance Detection [83.88515573352795]
  姿勢検出モデルを支援するために、ターゲット関連の知識がしばしば必要である。 低リソース姿勢検出タスクに対する協調的知識注入手法を提案する。
  論文  参考訳（メタデータ） (2024-03-28T08:32:14Z)
• Weakly-supervised Contrastive Learning for Unsupervised Object Discovery [52.696041556640516]
  ジェネリックな方法でオブジェクトを発見できるため、教師なしのオブジェクト発見は有望である。 画像から高レベルな意味的特徴を抽出する意味誘導型自己教師学習モデルを設計する。 オブジェクト領域のローカライズのための主成分分析(PCA)を導入する。
  論文  参考訳（メタデータ） (2023-07-07T04:03:48Z)
• Understanding Failures of Deep Networks via Robust Feature Extraction [44.204907883776045]
  本研究では,視覚的特徴を識別し,不在や不在がパフォーマンスの低下を招き,失敗を特徴づけ,説明することを目的とした手法を紹介し,検討する。 我々は、分離されたロバストモデルの表現を活用して、解釈可能な特徴を抽出し、これらの特徴を利用して障害モードを特定します。
  論文  参考訳（メタデータ） (2020-12-03T08:33:29Z)
• Self-supervised Segmentation via Background Inpainting [96.10971980098196]
  移動可能なカメラで撮影された単一の画像で、自己教師付き検出とセグメンテーションのアプローチを導入する。 我々は、提案に基づくセグメンテーションネットワークのトレーニングに利用する自己教師付き損失関数を利用する。 本手法は,標準ベンチマークから視覚的に切り離された画像の人間の検出とセグメント化に応用し,既存の自己監督手法より優れていることを示す。
  論文  参考訳（メタデータ） (2020-11-11T08:34:40Z)
• Self-supervised Learning from a Multi-view Perspective [121.63655399591681]
  自己教師型表現はタスク関連情報を抽出し,タスク関連情報を破棄することができることを示す。 我々の理論的枠組みは、自己教師型学習目標設計のより広い空間への道を開くものである。
  論文  参考訳（メタデータ） (2020-06-10T00:21:35Z)

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。