論文の概要: Tanawpamana: Benchmarking Vision-Language Models on Philippine Cultural Heritage Sites

• arxiv url: http://arxiv.org/abs/2610.17596v1
• Date: Tue, 13 Oct 2026 02:15:52 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-10-15 21:06:15.490269
• Title: Tanawpamana: Benchmarking Vision-Language Models on Philippine Cultural Heritage Sites
• Title（参考訳）: タナウパマナ:フィリピン文化遺産のヴィジュアル・ランゲージモデルのベンチマーク
• Abstract要約: 視覚言語モデルは、場所を特定し、記述するためにますます使われるが、それらの特定の文化に対する認識と知識はいまだに理解されていない。 本研究では,フィリピン文化芸術委員会(National Commission for Culture and the Arts of the Philippines)のタラパマナ登録に基づくメタデータを用いた,フィリピンの遺産画像のリポジトリであるTanawpamanaデータセットを紹介する。 また,Tanawpamana Benchmarkを導入し,モデルによる遺産の認識と知識の評価を目的とした4,046のタスクについて検討した。
• 参考スコア（独自算出の注目度）: 16.726533478708525
• License: http://creativecommons.org/licenses/by-sa/4.0/
• Abstract: Vision-language models are increasingly used to identify and describe places, yet their recognition and knowledge of specific cultures remain poorly understood, particularly in underrepresented regions such as the Philippines. This study introduces the Tanawpamana Dataset, a repository of Philippine heritage site images with metadata based on the Talapamana registry of the National Commission for Culture and the Arts of the Philippines. We also introduce the Tanawpamana Benchmark, comprising 4,046 tasks designed to evaluate models' recognition and knowledge of heritage sites. Evaluating seven vision-language models, we find that they struggle more with fine-grained visual discrimination among similar heritage sites than with coarse recognition, and that their geographic knowledge is weaker when inferred from image inputs than from text.
• Abstract（参考訳）: 視覚言語モデルは、場所を識別し記述するためにますます使われているが、特定の文化に対する認識と知識は、特にフィリピンのような表現の浅い地域では、よく理解されていない。 本研究は,フィリピン文化芸術委員会(National Commission for Culture and the Arts of the Philippines)のタラパマナ・レジストリ(Talapamana Registry)をベースとした,フィリピンの遺産画像のリポジトリであるTanawpamana Datasetを紹介する。 また,Tanawpamana Benchmarkを導入し,モデルによる遺産の認識と知識の評価を目的とした4,046のタスクについて検討した。 7つの視覚言語モデルを評価することで, 類似の遺産において, 粗い認識よりもきめ細かな視覚的識別に苦慮し, 画像入力からテキストから推定した場合, 地理的知識は弱くなっていることがわかった。

関連論文リスト

• From annotation to reasoning: Culture in language models [51.02064693757239]
  我々は、文学的解釈がこれらの能力を研究するのに役立つと論じる。 我々の中心的な主張は、文学者がその支援の質を認識しながら解釈に異を唱えることができるということである。 本稿では,エビデンス中心のベンチマーク,学術的不一致を抑える評価,文献データ,文脈資源,学術的フィードバックに関するモデル開発実験のリンクを提案する。
  論文  参考訳（メタデータ） (2026-09-25T07:04:41Z)
• ChinaHeritaQA: A Culturally-Grounded Visual Question Answering Dataset for World Heritage Sites in China [15.354700972682856]
  ChinaHeritaQAは、中国のユネスコ世界遺産で視覚言語モデル(VLM)の文化的推論能力を評価するためのベンチマークデータセットである。 このデータセットは、7つの認知次元にまたがる14,133のバイリンガル(中国語/英語)の複数選択QAペアとペアリングされた2,279の内蔵画像からなる。
  論文  参考訳（メタデータ） (2026-06-08T03:00:45Z)
• On the Cultural Anachronism and Temporal Reasoning in Vision Language Models [35.132248635251266]
  ヴィジュアル・ランゲージ・モデル(VLM)は、文化遺産にますます応用されている。 この研究は、これらのモデルが歴史的アーティファクトをどのように解釈するかという根本的な問題を特定する。 我々は、この現象を、時間的に不適切な概念を用いて歴史的対象を誤解釈する傾向である文化的アナクロニズムと定義する。
  論文  参考訳（メタデータ） (2026-05-14T16:58:16Z)
• ArchiLense: A Framework for Quantitative Analysis of Architectural Styles Based on Vision Large Language Models [14.032055369239627]
  我々は1,765の高品質なアーキテクチャイメージとそれに対応するスタイルアノテーションからなるArchDiffBenchというプロのアーキテクチャスタイルデータセットを構築した。 アドバンストなコンピュータビジョン技術、ディープラーニング、機械学習を統合することで、ArchiLenseはアーキテクチャイメージの自動認識、比較、正確な分類を可能にする。 ArchiLenseはアーキテクチャスタイルの認識において、92.4%の一貫性と専門家アノテーション、84.5%の分類精度で高いパフォーマンスを実現している。
  論文  参考訳（メタデータ） (2025-06-09T13:22:57Z)
• What Makes for Good Image Captions? [50.48589893443939]
  我々のフレームワークは、優れた画像キャプションは、情報的に十分であり、最小限の冗長であり、人間によって容易に理解できるという3つの重要な側面のバランスをとるべきであると仮定している。 本稿では,局所的な視覚情報とグローバルな視覚情報を統合することで,豊かなキャプションを生成するParamid of Captions(PoCa)手法を提案する。
  論文  参考訳（メタデータ） (2024-05-01T12:49:57Z)
• Perceptual Grouping in Contrastive Vision-Language Models [59.1542019031645]
  画像内の物体の位置を視覚言語モデルで理解し,画像の視覚的関連部分をグループ化する方法について述べる。 本稿では,意味情報と空間情報の両方を一意に学習するモデルとして,最小限の修正を提案する。
  論文  参考訳（メタデータ） (2022-10-18T17:01:35Z)
• Placepedia: Comprehensive Place Understanding with Multi-Faceted Annotations [79.80036503792985]
  Placepediaは、240万のユニークな場所から3500万枚以上の写真を集めた大規模な場所データセットです。 写真に加えて、各場所にはGDP、人口など、膨大な多面的な情報も付属している。 このデータセットは大量のデータと豊富なアノテーションを持ち、様々な研究を行うことができる。
  論文  参考訳（メタデータ） (2020-07-07T20:17:01Z)
• Learning Patterns of Tourist Movement and Photography from Geotagged Photos at Archaeological Heritage Sites in Cuzco, Peru [73.52315464582637]
  我々は、ペルーのクズコにある既知の考古学遺産サーキットを横断する旅行パターンを特定するために、視覚と遺産観光に関連する現在の人類学の理論的談話を構築した。 本研究の目的は,(1)観光の強化が遺産規制やソーシャルメディアとどのように交わり,クズコの遺産景観を横断する旅行パターンの具体化に寄与するかを理解すること,(2)旅行物語がソーシャルメディア上でキュレーションされ,歴史史跡表現に根ざした観光客の期待と相まって,美的嗜好と視覚性がいかに絡み合うかを評価することである。
  論文  参考訳（メタデータ） (2020-06-29T22:49:59Z)

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。