論文の概要: MatLoom: Layered Text-to-Material Generation in a Compact Program Space

• arxiv url: http://arxiv.org/abs/2609.40322v1
• Date: Wed, 30 Sep 2026 17:55:06 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-10-01 18:57:28.320575
• Title: MatLoom: Layered Text-to-Material Generation in a Compact Program Space
• Title（参考訳）: MatLoom: プログラム空間における階層型テキスト・メッセージ生成
• Abstract要約: MatLoomは、事前訓練された言語モデルでテキストからマテリアル生成を行うための、コンパクトで層指向の言語である。 スタンドアロンのインタプリタがプログラムをマテリアルマップに評価し、ソースは名前付きフィールドと層パラメータを保持して後続のオーサリングを行う。
• 参考スコア（独自算出の注目度）: 33.12070734213112
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Material generation should produce not only an appearance, but also the rules that construct it. We introduce MatLoom, a compact, layer-oriented language for text-to-material generation with pretrained language models. Each program composes alpha-masked layers whose shared spatial expressions define coverage and physically based rendering (PBR) channels, making dependencies between patterns, color, and relief explicit. A standalone interpreter evaluates the program into material maps, while the source retains named fields and layer parameters for subsequent authoring. Without task-specific fine-tuning, our pipeline uses parser-guided repair and preview-based critique to revise material designs, then searches noise seeds while keeping each candidate's remaining source fixed. On a curated benchmark of 141 prompts evaluated with six backbones, our best-performing configuration achieves higher mean scores than three diffusion baselines on all four flat-layout prompt-alignment metrics. Its initial programs already exceed all three baselines on mean BLIPScore, before critique or seed search. Retained programs have a median length of 21 lines when pooled across backbones. In a blind four-way comparison involving 30 participants and 20 prompts, our renders receive 59.2% of choices, compared with 19.3% for the most-preferred baseline. Compact executable programs thus offer a way to generate prompt-aligned materials while retaining their construction as part of the asset.
• Abstract（参考訳）: 物質生成は外観だけでなく、それを構成する規則も生み出すべきである。 マトローム(MatLoom)は、事前訓練された言語モデルを用いたテキストから素材生成のための、コンパクトで層指向の言語である。 各プログラムは、共有空間表現がカバレッジと物理ベースレンダリング(PBR)チャネルを定義し、パターン、色、レリーフ間の依存関係を明示するアルファマザード層を構成する。 スタンドアロンのインタプリタがプログラムをマテリアルマップに評価し、ソースは名前付きフィールドと層パラメータを保持して後続のオーサリングを行う。 タスク固有の微調整がなければ、当社のパイプラインはパーサ誘導修復とプレビューベースの批評を使用して材料設計を改訂し、各候補の残りのソースを固定しながらノイズシードを検索します。 6つのバックボーンで評価された141個のプロンプトのキュレートされたベンチマークにおいて、最も優れた構成は、4つのフラットレイアウトのプロンプトアライメント指標の3つの拡散ベースラインよりも高い平均スコアを達成する。 初期のプログラムは、批判やシード検索の前に、BLIPScoreの平均的な3つのベースラインをすべて越えている。 残されているプログラムは、バックボーンを渡るときに21行の中央値を持つ。 30人の参加者と20人のプロンプトによる盲目の4方向比較では、最も好まれるベースラインの19.3%に比べて59.2%が選択されている。 コンパクトな実行可能プログラムは、資産の一部として構築を維持しながら、プロンプト・アライン・マテリアルを生成する手段を提供する。

関連論文リスト

• Generative Embedding Benchmark: How Much Information Survives in a Dense Embedding? [18.50037284090112]
  GEB(Generative Embedding Benchmark)について紹介する。 GEBは生成情報を測定する:埋め込みから回復可能な回答関連コンテンツ。 視覚のみおよび視覚のみの関節モードにおける7つの公開埋め込みモデルの評価を行った。
  論文  参考訳（メタデータ） (2026-08-07T08:46:16Z)
• PaDoc: Layout-Grounded Parallel Decoding for Document Parsing [45.6402658645855]
  ドキュメントはページレイアウトと地域コンテンツを1つの自己回帰シーケンスにシリアライズする。 本研究では,レイアウトを共有ページ表現上の分岐構造として扱うレイアウトグラウンドのPaDocを提案する。 384ページのサブセットと1つのA800では、PaDocは5段階で最速のエンド・ツー・エンドであり、有効ページのスループットは67.4-118%向上した。
  論文  参考訳（メタデータ） (2026-08-06T15:16:18Z)
• MPDocBench-Parse: Benchmarking Practical Multi-page Document Parsing [74.84107522458798]
  MPDocBench-Parseは、現実世界のアプリケーションにおけるマルチページ文書解析のためのベンチマークである。 433の注釈付き文書に3,246ページあり、英語と中国語の15種類の文書を網羅しており、レイアウトは様々である。
  論文  参考訳（メタデータ） (2026-05-21T07:36:41Z)
• The Structured Output Benchmark: A Multi-Source Benchmark for Evaluating Structured Output Quality in Large Language Models [0.23332469289621785]
  SOB(Structured Output Benchmark)は3つのソースにまたがるマルチソースベンチマークである。 すべてのモデルは、ソースのモダリティに関係なく、コンテキストのテキスト正規化表現を受け取る。 モデルは、ほぼ完璧なスキーマコンプライアンスを実現するが、正確な葉値マッチングによって測定された最高の値精度は、テキスト上では83.0%にしか達しない。
  論文  参考訳（メタデータ） (2026-04-28T08:27:01Z)
• Paragraph Segmentation Revisited: Towards a Standard Task for Structuring Speech [61.00008468914252]
  本稿では,音声処理とテキストセグメンテーションの交点における3つのギャップを埋める,欠落した構造化ステップとして,段落セグメンテーションを再考する。 ベンチマークは、伝統的に段落のセグメンテーションが後処理の一部ではない未調査の音声領域に焦点を当てている。 第二に、制約付き復号法を提案し、大言語モデルが原文を保存しながら段落を挿入できるようにする。 第三に、コンパクトモデル(MiniSeg)が最先端の精度を実現し、階層的に拡張されると、最小計算コストで章や段落を共同で予測できることが示される。
  論文  参考訳（メタデータ） (2025-12-30T23:29:51Z)
• Paper2Poster: Towards Multimodal Poster Automation from Scientific Papers [34.9495497884296]
  ポストジェネレーションは科学コミュニケーションにおいて不可欠だが難しい課題である。 ポスター生成のための最初のベンチマークとメトリクススイートを紹介する。 PosterAgentはトップダウンのビジュアルインザループマルチエージェントパイプラインである。
  論文  参考訳（メタデータ） (2025-05-27T17:58:49Z)
• LESS: Label-Efficient and Single-Stage Referring 3D Segmentation [55.06002976797879]
  参照3Dは、クエリの文で記述された3Dポイントクラウドから、指定されたオブジェクトのすべてのポイントをセグメントする視覚言語タスクである。 本稿では,LESSと呼ばれるレファレンス3次元パイプラインを提案する。 ScanReferデータセット上での最先端のパフォーマンスは、バイナリラベルのみを使用して、以前の3.7% mIoUの手法を上回ります。
  論文  参考訳（メタデータ） (2024-10-17T07:47:41Z)

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。