論文の概要: Know-Thy-Not: Training-Free Targeted Negation in Dual-Encoder Vision-Language Models

• arxiv url: http://arxiv.org/abs/2610.17440v1
• Date: Mon, 12 Oct 2026 21:58:20 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-10-15 21:06:15.462517
• Title: Know-Thy-Not: Training-Free Targeted Negation in Dual-Encoder Vision-Language Models
• Title（参考訳）: Know-Thy-Not:デュアルエンコーダビジョンランゲージモデルにおけるトレーニング不要なターゲット否定
• Abstract要約: 二重エンコーダの視覚言語モデルは否定において体系的に失敗することを示す。 Know-Thy-Not (KTN) は、視覚表現において否定された概念を直接ペナルティ化する画像側拒絶次元を導入している。 KTNは、バニラVLMでは+25.6、既存の最強の方法では+9.6でCOCO-Confusion mAPを改善する。
• 参考スコア（独自算出の注目度）: 33.89164593448827
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Dual-encoder vision-language models systematically fail at negation, scoring ''a cat without a dog'' nearly identically to ''a cat with a dog.'' We show that this failure is inherent to the single-embedding framework. Under contrastive training, single-embedding methods can at best ignore the negated concept (dilution) but never penalize its presence (rejection). We propose Know-Thy-Not (KTN), a training-free method that introduces an image-side rejection dimension to penalize the negated concept directly in the visual representation. We also introduce COCO-Confusion, the first benchmark requiring genuine rejection to succeed. Across 9 backbones, KTN improves COCO-Confusion mAP by up to +25.6 over vanilla VLMs and +9.6 over the strongest existing method.
• Abstract（参考訳）: デュアルエンコーダの視覚言語モデルは,「犬のない猫」を「犬を持つ猫」とほぼ同等に評価し,否定において体系的に失敗する。 対照的な訓練の下では、単一埋め込み法は否定的な概念(希釈)を無視することができるが、その存在を罰することはない(拒絶)。 視覚表現に直接否定的概念をペナルティ化するための画像側拒絶次元を導入する訓練不要なKTN(Know-Thy-Not)を提案する。 また、COCO-Confusionは、成功のために真の拒絶を要求する最初のベンチマークである。 9つのバックボーンにまたがって、KTNはCOCO-Confusion mAPをバニラVLMで+25.6、既存の最強の方法で+9.6に改善する。

関連論文リスト

• Calibrate Before Reason: Robust Visual Token Reduction against Semantic Drift in VLMs [26.936352183867854]
  CaReは,1)多方向摂動下で安定なモデル側の影響を持つアンカーを識別する摂動ロバストアンカリング,2)未選択トークンから信頼性の高い校正信号を抽出しアンカーに注入する信頼性ゲートトケンの2つの相互補完モジュールから構成される。 視覚トークンの94.4%をプルーニングする一方で、本手法は元のフルトーケン性能の96.4%を保持し、未使用バニラモデルと比較して最大2.30倍高速なエンドツーエンド推論速度を実現する。
  論文  参考訳（メタデータ） (2026-07-30T05:36:29Z)
• Concept-Guided Backdoor Attack on Vision Language Models [12.3207887580232]
  視覚言語モデル(VLM)に対する概念誘導型バックドアアタックを導入する。 まず、CTP(Concept-Thresholding Poisoning)は、自然画像の明示的な概念をトリガーとして使用する。 第2のCGUB(CBL-Guided Unseen Backdoor)は、内部概念のアクティベーションに介入するために、トレーニング中にConcept Bottleneck Model(CBM)を活用する。
  論文  参考訳（メタデータ） (2025-11-30T03:24:23Z)
• The Surprising Effectiveness of Negative Reinforcement in LLM Reasoning [37.13807960501503]
  検証可能な報酬を伴う強化学習(RLVR)は、言語モデル(LM)のトレーニングに有望なアプローチである 我々は学習信号を正しい応答の強化と正負の正負の正の正の正の正の正の正の正の正の正の正の正の正の正の正の正の正の正の正の正の正の正の正の正の正の正の正の正の正の正の正の正の正の正の正の正の正の正の正の正の正の正の正の正の正の正の正の正の正の正の正の正の正の正の正の正の正の正の正の正の正の正の正の 我々は、NSRが不正確な世代を抑え、確率質量を他の可算候補に向けて再分配することで、モデルの以前の信念に導かれることを示す。
  論文  参考訳（メタデータ） (2025-06-02T06:10:54Z)
• ClassDiffusion: More Aligned Personalization Tuning with Explicit Class Guidance [90.57708419344007]
  新しい概念を学ぶ際に, 概念空間を明示的に規制するために, ** 連続保存損失** を利用するテクニックである **ClassDiffusion** を提示する。 このアプローチは単純ではあるが、ターゲット概念の微調整過程における意味的ドリフトを効果的に防止する。
  論文  参考訳（メタデータ） (2024-05-27T17:50:10Z)
• Purify Unlearnable Examples via Rate-Constrained Variational Autoencoders [101.42201747763178]
  未学習例(UE)は、正しくラベル付けされたトレーニング例に微妙な修正を加えることで、テストエラーの最大化を目指している。 我々の研究は、効率的な事前学習浄化法を構築するための、新しいゆがみ機構を提供する。
  論文  参考訳（メタデータ） (2024-05-02T16:49:25Z)
• Two Heads are Better than One: Robust Learning Meets Multi-branch Models [23.081094084911182]
  信頼性が高く効果的な防御方法である敵の訓練は、ニューラルネットワークの脆弱性を著しく減少させる可能性がある。 対人訓練のための最初のデータセットのみを用いて、最先端のパフォーマンスを得るために、textitBranch Orthogonality adveRsarial Training (BORT)を提案する。 CIFAR-10 と CIFAR-100 と SVHN に対するアプローチを,それぞれ $ell_infty$ と $epsilon = 8/255$ のノルム有界摂動に対して評価した。
  論文  参考訳（メタデータ） (2022-08-17T05:42:59Z)
• Robust Pre-Training by Adversarial Contrastive Learning [120.33706897927391]
  近年の研究では、敵の訓練と統合されると、自己監督型事前訓練が最先端の堅牢性につながることが示されている。 我々は,データ強化と対向的摂動の両面に整合した学習表現により,ロバストネスを意識した自己指導型事前学習を改善する。
  論文  参考訳（メタデータ） (2020-10-26T04:44:43Z)
• Un-Mix: Rethinking Image Mixtures for Unsupervised Visual Representation Learning [108.999497144296]
  近年の先進的な教師なし学習手法では,同じ画像から2つの「ビュー」を学習表現として比較するために,サイムズ様の枠組みを用いている。 この研究は、教師なし学習においてラベル空間上の距離の概念を巻き込み、正対と負対のソフトな類似度をモデルに認識させることを目的としている。 その概念的単純さにもかかわらず、この解 -- 教師なし画像混合(Un-Mix)により、変換された入力と対応する新しいラベル空間からより微妙でより堅牢で一般化された表現を学習できることを実証的に示す。
  論文  参考訳（メタデータ） (2020-03-11T17:59:04Z)

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。