論文の概要: CropReward: A Human-Preference Benchmark and Reward Model for Aesthetic Image Cropping

• arxiv url: http://arxiv.org/abs/2610.34221v2
• Date: Tue, 27 Oct 2026 02:17:38 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-10-29 04:15:49.165329
• Title: CropReward: A Human-Preference Benchmark and Reward Model for Aesthetic Image Cropping
• Title（参考訳）: CropReward: 美的画像のクロップのためのヒューマンリファレンスベンチマークとリワードモデル
• Abstract要約: 美的イメージトリミング(AIC)は、外在性や注意をそらす内容を取り除き、画像組成と美的品質を改善することを目的としている。 MLLMに基づく報酬モデルであるCropRewardを提案する。 また,CropRewardにのみ訓練された選好整合型AICモデルであるCropAlignを開発した。
• 参考スコア（独自算出の注目度）: 65.1746722911477
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Aesthetic image cropping (AIC) aims to improve image composition and aesthetic quality by removing extraneous or distracting content. Over the past decade, AIC methods have evolved from specialized vision models to multimodal large language models(MLLMs). Reliable evaluation that reflects human preferences is essential for benchmarking AIC methods and guiding model optimization. However, the current AIC evaluation relies largely on geometry-based metrics such as intersection over union (IoU), as well as image aesthetic assessment(IAA) models. Although inconsistencies with human preferences have long been observed, the robustness and reliability of these evaluation criteria remain underexplored. To bridge this gap, we first construct CropBench, a large-scale benchmark comprising 106,995 human preference pairs for 1,019 images, with each candidate set containing the original image and candidate crops produced by 14 AIC methods. A systematic study on CropBench reveals that the existing criteria, ranging from IoU to off-the-shelf IAA assessment models, only exhibit limited alignment with human preferences. Building upon CropBench, we further propose CropReward, an MLLM-based reward model that evaluates a candidate crop by comparing with the original uncropped image and outputs a score indicating explicit aesthetic improvement or degradation relative to the original. In addition, we employ CropReward to construct CropReward-300k, the largest AIC dataset to date, and further develop CropAlign, a preference-aligned AIC model trained solely with CropReward supervision, without human-annotated crop boxes. Experimental results demonstrate that CropReward aligns with human preferences significantly better than AIC existing criteria. CropAlign also surpasses the state-of-the-art AIC methods, demonstrating the advantage of CropReward in guiding AIC model optimization.
• Abstract（参考訳）: 美的イメージトリミング(AIC)は、外在性や注意をそらす内容を取り除き、画像組成と美的品質を改善することを目的としている。 過去10年間で、AICの手法は、特殊な視覚モデルからマルチモーダルな大言語モデル(MLLM)へと進化してきた。 人間の好みを反映した信頼性の高い評価は、AIC手法のベンチマークとモデル最適化の導出に不可欠である。 しかしながら、現在のAIC評価は、画像美的評価(IAA)モデルと同様に、結合(IoU)の交叉のような幾何学に基づくメトリクスに大きく依存している。 ヒトの嗜好との不整合は長年観察されてきたが、これらの評価基準の堅牢性や信頼性は未解明のままである。 このギャップを埋めるため,まず1019個の画像に対して106,995個の人選好ペアからなる大規模ベンチマークであるCropBenchを構築し,14個のAIC法により生成された原画像と候補作物を含む候補セットについて検討した。 CropBenchの体系的な研究によると、IoUから市販のIAA評価モデルまで、既存の基準は人間の好みと限られた一致しか示されていない。 CropBench をベースとした MLLM に基づく報酬モデル CropReward を提案する。 さらに,これまでで最大のAICデータセットであるCropReward-300kの構築にCropRewardを採用し,人手による作物箱を使わずにCropRewardの監視のみを専門にトレーニングした選好整合AICモデルであるCropAlignを開発した。 実験の結果、CropRewardはAICの既存の基準よりも人間の嗜好によく適合していることがわかった。 CropAlignは最先端のAICメソッドを超越し、AICモデルの最適化を導くCropRewardの利点を実証している。

関連論文リスト

• Discrete Annotation, Continuous Preference: Rethinking Supervision for Accurate and Generalizable Aesthetic Image Cropping [45.567678436253594]
  美的画像の収穫は、美学と構成の観点から、画像の最適な収穫物を特定することを目的としている。 既存のデータセットは,(1)ヒトの主観性と(2)固定サンプリンググリッドに限定した厳密な離散性に悩まされている。 そこで本研究では,人間の作物選好をマルチピーク,連続,シャープなフィールドとして,作物空間上での人間の作物選好をモデル化することを提案する。
  論文  参考訳（メタデータ） (2026-09-30T18:48:51Z)
• Personalized Image Aesthetic Assessment via Preference-rich Sample Mining and Cohort Merging [27.861299168726685]
  本稿では,マルチモーダル大規模言語モデル(MLLM)に基づくアプローチを提案する。 4つのベンチマークPIAAデータベースの実験と比較により,提案したPRACモデルの最先端性を示す。
  論文  参考訳（メタデータ） (2026-07-17T08:40:18Z)
• Q-DeepSight: Incentivizing Thinking with Images for Image Quality Assessment and Refinement [58.15004031934379]
  我々は、この人間のようなプロセスをエミュレートする思考とイメージのフレームワークであるQ-DeepSightを提案する。 Q-DeepSightは、自然、復元、AI生成コンテンツなど、さまざまなベンチマークで最先端のパフォーマンスを実現している。 本稿では,Q-DeepSight の診断が反復画像強調を導くトレーニングフリーフレームワークであるPerceptual-in-Generation (PiG) を用いて,その実用的価値を示す。
  論文  参考訳（メタデータ） (2026-04-18T06:10:57Z)
• A Sanity Check on Composed Image Retrieval [91.95275287747499]
  Composed Image Retrieval (CIR) は、参照画像からなるクエリと、所望の修正を指定する相対的なキャプションに基づいて、ターゲット画像を取得することを目的としている。 FISD(Fully-Informed Semantically-Diverse benchmark)は、参照ターゲット画像対の変数を正確に制御するために生成モデルを利用する。 本稿では,対話型シナリオにおける既存モデルの可能性を探るためのマルチラウンドエージェント評価フレームワークを提案する。
  論文  参考訳（メタデータ） (2026-04-14T15:52:22Z)
• CDRRM: Contrast-Driven Rubric Generation for Reliable and Interpretable Reward Modeling [61.75914342638658]
  CDRRM(Contrast-Driven Reward Model)は、高品質なルーリック生成と優先判断のためのフレームワークである。 この作業は、報酬モデリングのためのスケーラブルで解釈可能で、データ効率のよいパスを提供する。
  論文  参考訳（メタデータ） (2026-03-09T07:15:23Z)
• DEAR: Dataset for Evaluating the Aesthetics of RenderingDEAR: Dataset for Evaluating the Aesthetics of Rendering [3.4825648257080286]
  この研究は、画像描画スタイルの人間の美的判断をモデル化するために設計された新しいベンチマークデータセットを導入する。 このデータセットには、大規模なクラウドソーシングを通じて収集されたペアワイズ人間の選好スコアが含まれており、各画像ペアは、合計13,648人の異なる25人の評価者によって評価されている。 データ収集パイプラインが説明され、人間の投票パターンが分析され、スタイル選好予測、美的ベンチマーク、パーソナライズされた審美的モデリングなど、複数のユースケースが概説される。
  論文  参考訳（メタデータ） (2025-12-04T19:25:48Z)
• Unlocking the Essence of Beauty: Advanced Aesthetic Reasoning with Relative-Absolute Policy Optimization [63.169050703903515]
  強化学習(RL)を用いた包括的審美的推論フレームワークAes-R1を提案する。 Aes-R1はパイプライン、AesCoTを統合し、高品質なチェーン・オブ・プリーティングデータの構築とフィルタリングを行う。 実験により、Aes-R1は背骨の平均PLCC/SRCCを47.9%/34.8%改善することが示された。
  論文  参考訳（メタデータ） (2025-09-26T04:55:00Z)
• Confidence-aware Reward Optimization for Fine-tuning Text-to-Image Models [85.96013373385057]
  人間のフィードバックデータに基づいて訓練された報酬関数を持つ微調整テキスト・ツー・イメージモデルは、モデル行動と人間の意図との整合性を実証した。 しかし、そのような報酬モデルによる過度な最適化は、単にプロキシの目的として機能し、微調整されたモデルの性能を損なう可能性がある。 本研究では,テキストプロンプトの集合に対して推定された報酬モデル信頼度に基づいてアライメントを強化する手法であるTextNormを提案する。
  論文  参考訳（メタデータ） (2024-04-02T11:40:38Z)
• ALL-E: Aesthetics-guided Low-light Image Enhancement [45.40896781156727]
  我々は、新しいパラダイム、すなわち美学誘導低光画像強調(ALL-E)を提案する。 LLEに美的嗜好を導入し、美的報酬を伴う強化学習フレームワークでのトレーニングを動機付けている。 様々なベンチマークの結果は、最先端手法よりもall-Eの方が優れていることを示している。
  論文  参考訳（メタデータ） (2023-04-28T03:34:10Z)

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。