論文の概要: alkhder at ImageEval 2026 Shared Tasks: Constrained Selection and Rotation-Averaged Logit Scoring for Multimodal Hallucination Detection

• arxiv url: http://arxiv.org/abs/2610.22515v1
• Date: Thu, 15 Oct 2026 18:08:46 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-10-20 00:56:07.618553
• Title: alkhder at ImageEval 2026 Shared Tasks: Constrained Selection and Rotation-Averaged Logit Scoring for Multimodal Hallucination Detection
• Title（参考訳）: alkhder at ImageEval 2026 Shared Tasks: Constrained Selection and Rotation-Averaged Logit Scoring for Multimodal Hallucination Detection (英語)
• Abstract要約: ImageEval 2026のSubtask1bへの提出について述べる。 このタスクは、画像とペアリングされた3つの候補から、視覚的に有効な1つのステートメントを選択することで構成される。 本システムでは,タスク固有のトレーニングや微調整を必要とせず,ゼロショット設定で事前学習した7Bビジョン言語モデルを用いている。
• 参考スコア（独自算出の注目度）: 1.9249287163937974
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: We describe our submission to Subtask~1b of ImageEval 2026. The task consists of selecting the single visually valid statement from three candidates paired with an image, and is in both English and Modern Standard Arabic (MSA). Our system uses a pre-trained 7B vision--language model in a zero-shot setting, without task-specific training or fine-tuning. We formulate the task as a constrained selection problem and choose the answer using next-token log-probabilities. To reduce answer-position bias, we apply a Latin-square rotation to the candidate statements. Our system achieves CI scores of 0.0510 on the English test set and 0.0960 on the MSA test set, reducing CI relative to the official 3B baselines reported on devtest by 83.7\% and 80.4\%, respectively.
• Abstract（参考訳）: ImageEval 2026のSubtask~1bへの投稿について説明する。 このタスクは、画像とペアリングされた3人の候補者から視覚的に有効な1つのステートメントを選択し、英語と現代標準アラビア語(MSA)の両方に含まれる。 本システムでは,タスク固有のトレーニングや微調整を必要とせず,ゼロショット設定で事前学習した7Bビジョン言語モデルを用いている。 制約付き選択問題としてタスクを定式化し,次の対数確率を用いて解を選択する。 回答位置バイアスを低減するために、候補文にラテン二乗回転を適用する。 本システムでは,英語テストセットのCIスコア0.0510,MSAテストセットの0.0960を達成し,それぞれ83.7\%,80.4\%で報告された公式3Bベースラインと比較してCIを減少させる。

関連論文リスト

• FAU at ImageCLEF 2026 Task on Multimodal Reasoning Robust Candidate Scoring and Concise Multilingual Visual Answering [3.151184728006369]
  ImageCLEF 2026 Multimodal Reasoning system for Visual Multiple Choice Question Answering and Visual Open Question Answering subtasks。 この課題は、高密度テキスト、図表、チャート、表、式、単位を含む多言語教育および科学画像に対する信頼性の高い推論を必要とする。
  論文  参考訳（メタデータ） (2026-08-03T03:54:22Z)
• Gradient Masters at BLP-2025 Task 1: Advancing Low-Resource NLP for Bengali using Ensemble-Based Adversarial Training for Hate Speech Detection [1.2744523252873352]
  YouTubeコメントにサブタスク1A(ハッシュ型分類)と1B(ターゲットグループ分類)に対処するためのアンサンブルに基づく微調整戦略を提案する。 本稿では,ベースラインモデルより優れ,サブタスク1Aにおいて第6位を確保したバングラ言語モデルに対するハイブリッドアプローチを提案する。
  論文  参考訳（メタデータ） (2025-11-23T07:29:09Z)
• Revisiting the Role of Language Priors in Vision-Language Models [90.0317841097143]
  視覚言語モデル(VLM)は、微調整なしで、ゼロショット方式で様々な視覚的理解タスクに適用される。 我々は、画像から次の単語を生成するために訓練された$textitgenerative VLMs$について研究する。 画像テキスト検索の図解的タスクにおけるゼロショット性能を,8つの人気のある視覚言語ベンチマークで検証する。
  論文  参考訳（メタデータ） (2023-06-02T19:19:43Z)
• Integrating Image Features with Convolutional Sequence-to-sequence Network for Multilingual Visual Question Answering [0.0]
  VQA(Visual Question Answering)は、コンピュータが画像に基づいて入力された質問に対して正しい回答をする必要があるタスクである。 VLSP2022-EVJVQA共有タスクは、Visual Question Answeringタスクを、新たにリリースされたデータセット上の多言語ドメインに格納する。 我々は、この課題をシーケンシャル・ツー・シーケンス学習タスクとしてアプローチし、事前訓練された最先端VQAモデルからのヒントを統合する。 公開テストセットで0.3442点,プライベートテストセットで0.4210点,コンペでは3位となった。
  論文  参考訳（メタデータ） (2023-03-22T15:49:33Z)
• mCPT at SemEval-2023 Task 3: Multilingual Label-Aware Contrastive Pre-Training of Transformers for Few- and Zero-shot Framing Detection [63.540146992962526]
  本稿では,ゼロショットスパニッシュフレーミング検出タスクの勝利システムについて述べる。 提案手法では,多言語変換器をベースとした事前学習手法を採用している。 本システムの記述に加えて, プレトレーニングがフレーミング検出にどのように役立つかを示すために, 埋め込み空間解析およびアブレーション研究を行った。
  論文  参考訳（メタデータ） (2023-03-17T11:33:06Z)
• Unifying Architectures, Tasks, and Modalities Through a Simple Sequence-to-Sequence Learning Framework [83.82026345508334]
  モーダル性(クロスモダリティ、ビジョン、言語など)とタスク(画像生成、視覚接地、画像キャプション、画像分類、テキスト生成など)を統一する統合マルチモーダル事前訓練モデルOFAを提案する。 OFAは、イメージキャプション(COCO test CIDEr: 149.6)、テキスト・ツー・イメージ生成(COCO test FID: 10.5)、VQA(test-std encoder acc.: 80.02)、SNLI-VE(test acc.: 90)など、一連のマルチモーダルタスクにおける新しい最先端処理を実現している。
  論文  参考訳（メタデータ） (2022-02-07T10:38:21Z)
• JARVix at SemEval-2022 Task 2: It Takes One to Know One? Idiomaticity Detection using Zero and One Shot Learning [7.453634424442979]
  本稿では,二項分類を用いた慣用的表現の検出に焦点をあてる。 我々は、英語とポルトガル語でMWEのリテラルと慣用的な使用法からなるデータセットを使用する。 両設定で複数の大規模言語モデルを訓練し、ゼロショット設定では0.73のF1スコア(マクロ)、ワンショット設定では0.85のF1スコア(マクロ)を達成する。
  論文  参考訳（メタデータ） (2022-02-04T21:17:41Z)

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。