論文の概要: Class-Grounded Batik Captioning under Scarce Text Annotation: Label Retention and Source-Specific Error Propagation

• arxiv url: http://arxiv.org/abs/2610.30661v1
• Date: Thu, 22 Oct 2026 03:22:08 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-10-24 02:08:44.199054
• Title: Class-Grounded Batik Captioning under Scarce Text Annotation: Label Retention and Source-Specific Error Propagation
• Title（参考訳）: テキストアノテーションによるクラスグラウンドBatikキャプション:ラベル保持とソース特異的エラー伝播
• Abstract要約: クラスラベルは、専門家のテキストアノテーションが不足しているときに、文化遺産の画像を記述するためのコンパクトな監督を提供する。 本稿では,LoRA適応型DINOv2分類器をQwen2.5-VL-7Bに統合したバティックカプセル化カスケードについて検討する。
• 参考スコア（独自算出の注目度）: 2.8292841621378844
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Class labels offer compact supervision for describing cultural-heritage images when expert text annotations are scarce. We investigate a batik-captioning cascade that integrates a LoRA-adapted DINOv2 classifier with Qwen2.5-VL-7B, adapted using LoRA and loaded in 4-bit NF4. A $3\times2$ evaluation combines three captioner conditions with two inference prompts to examine adaptation and predicted-class injection. Across 150 caption-evaluation images, all three injected conditions achieve a ground-truth class-label mention rate of 0.9067. The classifier's separate test yields 96.10% pooled accuracy, with 98.33% on 300 public-source images and 75.76% on 33 local images. Supported-class macro-F1 and balanced accuracy on the local subset are 0.8493 and 0.8302, respectively. The classifier and captioner use separate partitions, and their training--evaluation overlap remains unquantified. Differences in label semantics and training support also affect interpretation of the source-specific accuracy gap. Reference-based caption metrics and image--text compatibility scores produce different model rankings. Qualitative examples show both retention of correctly predicted identities and propagation of classification errors into fluent descriptions. These findings characterize how class conditioning preserves label information and transfers upstream errors into batik captions under scarce text annotation.
• Abstract（参考訳）: クラスラベルは、専門家のテキストアノテーションが不足しているときに、文化遺産の画像を記述するためのコンパクトな監督を提供する。 我々は,LoRAを適応したDINOv2分類器をQwen2.5-VL-7Bに統合し,LoRAを用いて4ビットNF4でロードするバティックカプセル化カスケードについて検討する。 3,\times2$評価は、3つのキャプタ条件と2つの推論プロンプトを組み合わせて、適応と予測クラスのインジェクションを調べる。 150のキャプション評価画像のうち、3つのインジェクトされた条件はすべて、0.9067という地味なクラスラベルの言及率を達成している。 分類器の分離試験は96.10%の精度で、300の公開画像では98.33%、33のローカル画像では75.76%である。 サポートされたクラスマクロF1とローカルサブセットでのバランスの取れた精度はそれぞれ0.8493と0.8302である。 分類器とキャプタは別個のパーティションを使用しており、トレーニング-評価オーバーラップはいまだに定量化されていない。 ラベルセマンティクスとトレーニングサポートの違いは、ソース固有の精度ギャップの解釈にも影響を及ぼす。 参照ベースのキャプションメトリクスと画像-テキスト互換スコアは、異なるモデルランキングを生成する。 定性的な例は、正しく予測されたアイデンティティの保持と、分類エラーの流動的な記述への伝播の両方を示している。 これらの知見は, クラス条件付けがラベル情報を保存し, 上流誤りをテキストアノテーションの少ないバティックキャプションに転送する方法を特徴付けるものである。

関連論文リスト

• Shortcut Learning in a Public Grape Disease Dataset: Annotation Granularity as a Modulator, Not a Cause [0.0]
  テストセットmAP50の範囲はシード・ツー・シードノイズに匹敵する。 1つのクラスは全リーフレベルで注釈付けされる。 ブドウを含まない5156のクロス種画像では、偽陽性のボックスの65.7%が1つのクラスに該当する。
  論文  参考訳（メタデータ） (2026-08-21T01:39:34Z)
• CapProbe: Evaluating Detailed Image Captions via Full-Scene Dense Question Answering [6.875316321208349]
  CapProbeは、詳細なキャプション評価を地域ごとの事実チェックに変換する、フルシーンの高密度QAベンチマークである。 346のイメージ、1,868のリージョン、25,650の質問からなる。 言語判断者はキャプションだけで答える; 不確実なオプションと有効精度は、未回答のプローブと不正に解決されたプローブを区別するための判断依存のプロキシを提供する。
  論文  参考訳（メタデータ） (2026-08-11T15:36:10Z)
• In-Context Fixation: When Demonstrated Labels Override Semantics in Few-Shot Classification [4.738949927143789]
  その結果, 同種ラベルは意味論的に有効なものであっても, 6つのモデルで12%の精度で崩壊することがわかった。 モデルはラベル位置を占めるトークンを、徹底的な回答語彙として扱う。
  論文  参考訳（メタデータ） (2026-05-08T10:20:39Z)
• Simple Token-Level Confidence Improves Caption Correctness [117.33497608933169]
  Token-Level Confidence(TLC)は、字幕の正確さを評価するシンプルな方法であるが、驚くほど効果的である。 画像キャプションに関する視覚言語モデルを微調整し、画像と提案されたキャプションをモデルに入力し、単語やシーケンスに対するトークンの信頼度を集計し、画像キャプションの一貫性を推定する。
  論文  参考訳（メタデータ） (2023-05-11T17:58:17Z)
• Measuring Self-Supervised Representation Quality for Downstream Classification using Discriminative Features [56.89813105411331]
  我々は,SimCLR,SwaV,MoCo,BYOL,DINO,SimSiam,VICReg,Barlow Twinsといった最先端の自己教師型モデルの表現空間について検討した。 本稿では,標本が誤分類される可能性を確実に予測できる教師なしスコアである自己監督表現品質スコア(Qスコア)を提案する。 Q-Score正規化による微調整により、SSLモデルの線形探索精度はImageNet-100で5.8%、ImageNet-1Kで3.7%向上する。
  論文  参考訳（メタデータ） (2022-03-03T17:48:23Z)
• RankingMatch: Delving into Semi-Supervised Learning with Consistency Regularization and Ranking Loss [3.5893231087319655]
  ラベル付きデータに制限がある場合、ラベル付きデータを活用する上で、半教師付き学習(SSL)が重要な役割を果たす。 そこで我々は,摂動入力だけでなく,同じラベルを持つ入力間の類似性も考慮する新しい手法である RankingMatch を提案する。 当社の RankingMatch は,さまざまなラベル付きデータ量を持つ標準SSLベンチマークにおいて,最先端のパフォーマンスを実現しています。
  論文  参考訳（メタデータ） (2021-10-09T01:54:29Z)
• Learning from Multiple Noisy Partial Labelers [8.357801312689618]
  プログラムによる弱い監督は、ノイズ、ユーザ記述規則、その他のラベルの出力を組み合わせることで、手書きのトレーニングデータなしでモデルを作成する。 本稿では,複数の雑音部分ラベルの精度を推定できる確率的生成モデルを定義することによって,この能力を導入する。 簡単な実装に比べて300倍のスピードで、学習を1分で100万のサンプルにスケールアップする方法を示します。
  論文  参考訳（メタデータ） (2021-06-08T17:12:16Z)
• Rethinking Pseudo Labels for Semi-Supervised Object Detection [84.697097472401]
  物体検出に適した確実な擬似ラベルを導入する。 我々は,クラス不均衡問題を緩和するために,各カテゴリの擬似ラベルと再重み付き損失関数を生成するために使用する閾値を動的に調整する。 提案手法では,COCOのラベル付きデータのみを用いて,教師付きベースラインを最大10%改善する。
  論文  参考訳（メタデータ） (2021-06-01T01:32:03Z)
• One-bit Supervision for Image Classification [121.87598671087494]
  1ビットの監視は、不完全なアノテーションから学ぶための新しい設定である。 負ラベル抑圧を既成の半教師付き学習アルゴリズムに組み込んだ多段階学習パラダイムを提案する。
  論文  参考訳（メタデータ） (2020-09-14T03:06:23Z)
• Generalized Focal Loss: Learning Qualified and Distributed Bounding Boxes for Dense Object Detection [85.53263670166304]
  一段検出器は基本的に、物体検出を密度の高い分類と位置化として定式化する。 1段検出器の最近の傾向は、局所化の質を推定するために個別の予測分岐を導入することである。 本稿では, 上記の3つの基本要素, 品質推定, 分類, ローカライゼーションについて述べる。
  論文  参考訳（メタデータ） (2020-06-08T07:24:33Z)

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。