論文の概要: When More Metadata Misleads: Probing Field-Level Grounding in LLM-Generated Museum Descriptions

• arxiv url: http://arxiv.org/abs/2610.31193v1
• Date: Thu, 22 Oct 2026 12:41:12 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-10-24 02:08:44.375847
• Title: When More Metadata Misleads: Probing Field-Level Grounding in LLM-Generated Museum Descriptions
• Title（参考訳）: さらなるメタデータの誤り: LLMによる博物館記述におけるフィールドレベルグラウンドの探索
• Abstract要約: メタデータが2段階の枠組みを通して人工物記述の生成をどのように形成するかを考察する。 第1フェーズは、フィールドカウント、フィールドタイプ、画像の可用性、Place co-varyを含む大規模な博物館コレクションにおける自然メタデータの変動を分析する。 フェーズ2では、さまざまなメタデータ量、フィールドタイプ、イメージアクセスでオブジェクトのアイデンティティを固定するコントロールフィールドプローブが導入されている。
• 参考スコア（独自算出の注目度）: 6.409390947812164
• License: http://creativecommons.org/licenses/by-nc-sa/4.0/
• Abstract: Metadata-conditioned generation is often framed as a data-to-text task in which additional input fields should improve grounding. Museum description generation challenges this assumption because catalogue records are heterogeneous, partially visual, and unevenly documented across geographic regions. We study how metadata composition shapes the generation of artefact descriptions through a two-phase framework. Phase 1 analyses natural metadata variation in a large museum collection, where field count, field type, image availability, and Place co-vary. Phase 2 introduces controlled field probes that hold object identity fixed while varying metadata quantity, field type, and image access. Our results show that metadata quantity alone does not explain generation behaviour. Field type determines whether models ground, omit, or infer information, while images can both support visual grounding and increase unsupported interpretation. More broadly, our findings show that metadata-conditioned data-to-text evaluation should assess field- and claim-level support, rather than relying only on aggregate input coverage or reference similarity.
• Abstract（参考訳）: メタデータ条件付き生成は、しばしばデータからテキストへのタスクとしてフレーム化され、追加の入力フィールドはグラウンド化を改善する。 博物館の記述は、カタログ記録が異質で、部分的に視覚的で、地理的に不均一に記録されているため、この仮定に異議を唱える。 メタデータの合成が2段階の枠組みを通して人工物記述の生成をどう形成するかを考察する。 第1フェーズは、フィールドカウント、フィールドタイプ、画像の可用性、Place co-varyを含む大規模な博物館コレクションにおける自然メタデータの変動を分析する。 フェーズ2では、さまざまなメタデータ量、フィールドタイプ、イメージアクセスでオブジェクトのアイデンティティを固定するコントロールフィールドプローブが導入されている。 その結果,メタデータ量だけでは生成動作を説明できないことがわかった。 フィールドタイプは、モデルグラウンド、省略、または推測情報を決定する一方、画像は、視覚的グラウンド化と増加しない解釈をサポートすることができる。 より広い範囲で見れば,メタデータ条件付きデータ・テキスト・アセスメントは,総合的な入力カバレッジや参照類似性にのみ依存するのではなく,フィールドレベルとクレームレベルのサポートを評価するべきである。

関連論文リスト

• Utilizing Metadata for Better Retrieval-Augmented Generation [10.865886799087782]
  本稿ではメタデータを意識した検索手法の体系的研究を行う。 平文のベースラインとメタデータを直接埋め込むアプローチを比較します。 プレフィックスと統合埋め込みは、平文ベースラインを一貫して上回ります。
  論文  参考訳（メタデータ） (2026-01-17T01:11:03Z)
• Concept-Aware LoRA for Domain-Aligned Segmentation Dataset Generation [66.66243874361103]
  1) 生成されたサンプルを対象のドメインに整列させ、2) トレーニングデータ以外の情報的なサンプルを生成する。 本稿では,ドメインアライメントに必要な概念に関連する重みのみを選択的に識別・更新する,新しい微調整手法であるConcept-Aware LoRAを提案する。 都市・シーンのセグメンテーション, ベースライン, 最先端の手法をドメイン内設定で生成する上での有効性を実証する。
  論文  参考訳（メタデータ） (2025-03-28T06:23:29Z)
• FineCops-Ref: A new Dataset and Task for Fine-Grained Compositional Referring Expression Comprehension [10.482908189805872]
  Referring Expression (REC) は言語理解能力、画像理解能力、言語と画像の接地能力を客観的に評価する重要なクロスモーダルタスクである。 我々は2つの重要な特徴を特徴とする新しいRECデータセットを構築した。 これには、既存のデータに基づいて微細な編集と生成によって作成された否定的なテキストと画像が含まれる。
  論文  参考訳（メタデータ） (2024-09-23T06:56:51Z)
• Diffusion Models as Data Mining Tools [87.77999285241219]
  本稿では、画像合成のために訓練された生成モデルを視覚データマイニングのツールとして利用する方法について述べる。 特定のデータセットから画像を合成するために条件拡散モデルを微調整した後、これらのモデルを用いて典型性尺度を定義することができることを示す。 この尺度は、地理的位置、タイムスタンプ、セマンティックラベル、さらには病気の存在など、異なるデータラベルに対する典型的な視覚的要素がどのように存在するかを評価する。
  論文  参考訳（メタデータ） (2024-07-20T17:14:31Z)
• Learning Visual Grounding from Generative Vision and Language Model [29.2712567454021]
  ビジュアルグラウンドタスクは、自然言語参照に基づいて画像領域をローカライズすることを目的としている。 生成的VLMには基底知識がすでに存在しており、適切なプロンプトによって引き起こすことができる。 本研究は,実世界における視覚的接地を拡大するための生成型VLMの可能性を実証するものである。
  論文  参考訳（メタデータ） (2024-07-18T20:29:49Z)
• Adaptive Fusion of Multi-view Remote Sensing data for Optimal Sub-field Crop Yield Prediction [24.995959334158986]
  本研究では,異なる作物(スギ,コムギ,ラプシード)と地域(アルジャンティナ,ウルグアイ,ドイツ)の収量を予測するための,新しい多視点学習手法を提案する。 我々の入力データには、センチネル2衛星からのマルチスペクトル光学画像と、土壌特性や地形情報などの静的特徴を補完して、作物の生育期における動的特徴として気象データが含まれている。 データを効果的に融合するために、専用ビューエンコーダとGated Unit (GU)モジュールからなるMulti-view Gated Fusion (MVGF)モデルを導入する。 MVGFモデルは10m分解能でサブフィールドレベルで訓練される
  論文  参考訳（メタデータ） (2024-01-22T11:01:52Z)
• Modeling Entities as Semantic Points for Visual Information Extraction in the Wild [55.91783742370978]
  文書画像から鍵情報を正確かつ堅牢に抽出する手法を提案する。 我々は、エンティティを意味的ポイントとして明示的にモデル化する。つまり、エンティティの中心点は、異なるエンティティの属性と関係を記述する意味情報によって豊かになる。 提案手法は,従来の最先端モデルと比較して,エンティティラベルとリンクの性能を著しく向上させることができる。
  論文  参考訳（メタデータ） (2023-03-23T08:21:16Z)
• FPCD: An Open Aerial VHR Dataset for Farm Pond Change Detection [0.2867517731896504]
  航空画像の変化検出は、関心のある領域に関連する変化の特定と特定を含む。 航空画像から農業用池をローカライズするための,公開可能なオブジェクト検出とインスタンスセグメンテーション(OD/IS)データセットを提案する。 また,17村の14年間の時間的データも収集・注釈した。
  論文  参考訳（メタデータ） (2023-02-28T13:19:11Z)
• AlignTransformer: Hierarchical Alignment of Visual Regions and Disease Tags for Medical Report Generation [50.21065317817769]
  本稿では,Align Hierarchical Attention (AHA)とMulti-Grained Transformer (MGT)モジュールを含むAlign Transformerフレームワークを提案する。 パブリックなIU-XrayとMIMIC-CXRデータセットの実験は、AlignTransformerが2つのデータセットの最先端メソッドと競合する結果が得られることを示している。
  論文  参考訳（メタデータ） (2022-03-18T13:43:53Z)
• Phase Consistent Ecological Domain Adaptation [76.75730500201536]
  意味的セグメンテーション(意味的セグメンテーション)の課題に焦点をあてる。そこでは、注釈付き合成データが多用されるが、実際のデータへのアノテートは困難である。 視覚心理学に触発された最初の基準は、2つの画像領域間の地図が位相保存であることである。 第2の基準は、照明剤や撮像センサーの特性に関わらず、その画像に現れる環境統計、またはシーン内の規則を活用することを目的としている。
  論文  参考訳（メタデータ） (2020-04-10T06:58:03Z)

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。