論文の概要: Seeing Is Not Addressing: Auditing Linguistic Access to Frozen Visual Geometry

• arxiv url: http://arxiv.org/abs/2609.37230v1
• Date: Tue, 29 Sep 2026 10:43:02 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-09-30 21:28:47.427715
• Title: Seeing Is Not Addressing: Auditing Linguistic Access to Frozen Visual Geometry
• Title（参考訳）: 目が当たらない:凍結した視覚幾何学への言語的アクセスを聴く
• Abstract要約: テキスト・ツー・イメージ検索における言語的アドレナビリティから視覚的識別性を切り離すことにより、ギャップについて検討する。 画像側コントラストを導出し、各値と、マッチングされた視覚的接地のための代替値とを分離する。
• 参考スコア（独自算出の注目度）: 3.4123736336071864
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Visual distinctions are often finer than those reflected in linguistic conceptualization. Vision-language models exhibit a similar asymmetry: a distinction can remain discriminable in frozen image geometry while being weakly addressable through the native text interface. We study this gap by separating visual discriminability from linguistic addressability in text-to-image retrieval. Using FactorAtlas, a fully crossed testbed of 23,040 images spanning shape, hue, pattern, and nuisance variation, we compare both readouts on held-out images of the same distinctions. We then derive image-side contrasts that separate each value from its alternatives for matched visual grounding, and test whether this reduces the native-text access gap across factors and models. Direction-specific and visual-absence controls tie these gains to the relevant visual contrast; the gains persist after global alignment and extend to compositional retrieval and natural images. Together, these results show that visual discriminability and linguistic addressability need not coincide, and that matched visual grounding can probe and reduce the resulting access gap.
• Abstract（参考訳）: 視覚的区別はしばしば言語的概念化に反映されるものよりも微細である。 視覚言語モデルは類似した非対称性を示す: 区別は、ネイティブテキストインタフェースを通じて弱いアドレスを持つ一方で、凍結した画像幾何学において識別可能である。 テキスト・ツー・イメージ検索における言語的アドレナビリティから視覚的識別性を切り離すことにより,このギャップについて検討する。 FactorAtlasは形状、色調、パターン、ニュアンスの変化にまたがる23,040枚の画像からなる完全交差テストベッドである。 次に、マッチングされた視覚的接地のための代替手段からそれぞれの値を分離する画像側コントラストを導出し、それによって要因やモデル間のネイティブテキストアクセスギャップが減少するかどうかをテストする。 方向特異的かつ視覚的吸収制御は、これらの利得を関連する視覚コントラストに結び付け、その利得はグローバルアライメント後に持続し、構成的検索や自然画像にまで拡張する。 これらの結果から、視覚的識別性と言語的アドレナビリティは一致せず、一致した視覚的接地は、結果として生じるアクセスギャップを探索し、低減することを示した。

関連論文リスト

• Mind-the-Glitch: Visual Correspondence for Detecting Inconsistencies in Subject-Driven Generation [120.23172120151821]
  本稿では,事前学習した拡散モデルのバックボーンから視覚的特徴と意味的特徴を分離するための新しいアプローチを提案する。 注釈付きセマンティックと視覚対応を備えた画像ペアを構築する自動パイプラインを導入する。 被験者駆動画像生成における視覚的不整合を定量化する新しい指標であるビジュアルセマンティックマッチングを提案する。
  論文  参考訳（メタデータ） (2025-09-26T07:11:55Z)
• Seeing Through Words, Speaking Through Pixels: Deep Representational Alignment Between Vision and Language Models [4.5497948012757865]
  両モデルタイプの中間層から後期層にアライメントピークが存在することが判明した。 画像キャプチャマッチの人間の好みは、すべての視覚言語モデルペアの埋め込み空間に反映される。
  論文  参考訳（メタデータ） (2025-09-25T05:16:28Z)
• Distractors-Immune Representation Learning with Cross-modal Contrastive Regularization for Change Captioning [71.14084801851381]
  変更キャプションは、類似した画像間のセマンティックな変化を簡潔に記述することを目的としている。 既存のほとんどの手法は、それらの違いを直接キャプチャし、エラーを起こしやすい特徴を得るリスクを負う。 本稿では,2つの画像表現の対応するチャネルを関連づけるイントラクタ免疫表現学習ネットワークを提案する。
  論文  参考訳（メタデータ） (2024-07-16T13:00:33Z)
• Interpretable Measures of Conceptual Similarity by Complexity-Constrained Descriptive Auto-Encoding [112.0878081944858]
  画像間の類似度を定量化することは、画像ベースの機械学習にとって重要な著作権問題である。 我々は,高次関係を捉えた画像間での「概念的類似性」の概念を定義し,計算することを目指している。 2つの非常に異種な画像は、その記述の早い段階で識別できるが、概念的に異種な画像は、より詳細を区別する必要がある。
  論文  参考訳（メタデータ） (2024-02-14T03:31:17Z)
• Rewrite Caption Semantics: Bridging Semantic Gaps for Language-Supervised Semantic Segmentation [100.81837601210597]
  本研究では,事前学習データにおける視覚的意味論とテキスト的意味論のギャップを埋めるための概念キュレーション(CoCu)を提案する。 CoCuは、最高にゼロショット転送性能を達成し、言語教師ありセグメンテーションベースラインを大きなマージンで大幅に向上させる。
  論文  参考訳（メタデータ） (2023-09-24T00:05:39Z)
• Learning Visual Representations via Language-Guided Sampling [25.117909306792324]
  コントラスト学習には、意味論的に類似した画像ペアのサンプルに言語類似性を用いる。 我々のアプローチは、言語類似性を用いたビューペアのサンプリングにより、画像に基づくコントラスト学習から分岐する。 言語指導学習は,画像ベースや画像テキスト表現学習よりも優れた特徴を持つことを示す。
  論文  参考訳（メタデータ） (2023-02-23T18:59:05Z)
• Evaluating language-biased image classification based on semantic representations [13.508894957080777]
  人間は、画像-ワード干渉として知られる単語埋め込み画像に対して、言語バイアスの画像認識を示す。 人間と同様、最近の人工モデルはテキストや画像、例えばOpenAI CLIPで共同で訓練されており、言語バイアスの画像分類を示している。
  論文  参考訳（メタデータ） (2022-01-26T15:46:36Z)
• Contrastive Learning for Unsupervised Image-to-Image Translation [10.091669091440396]
  コントラスト学習に基づく教師なし画像から画像への翻訳手法を提案する。 一対の画像をランダムにサンプリングし、ジェネレータに元の構造を維持しながら、その外観を別の方向に変更するように訓練する。 実験結果から,本手法は視覚的品質と翻訳精度において,教師なしベースラインよりも優れていた。
  論文  参考訳（メタデータ） (2021-05-07T08:43:38Z)

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。