論文の概要: Evaluating Cultural Knowledge Editing in Vision-Language Models

• arxiv url: http://arxiv.org/abs/2610.39602v1
• Date: Thu, 29 Oct 2026 08:39:51 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-11-02 23:14:42.786858
• Title: Evaluating Cultural Knowledge Editing in Vision-Language Models
• Title（参考訳）: 視覚言語モデルを用いた文化知識編集の評価
• Abstract要約: 現在のビジョンランゲージモデル(VLM)は、しばしば文化固有の概念を認識できない。 CulturalBindは、6つのドメインから1K概念の3.2Kイメージを含むベンチマークである。
• 参考スコア（独自算出の注目度）: 47.30551127397794
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Current Vision-Language Models (VLMs) frequently fail to recognize culture-specific concepts, especially from underrepresented regions. Effectively injecting this long-tail knowledge into existing models remains a challenge. In this work, we investigate knowledge editing as a targeted alternative by introducing CulturalBind, a benchmark comprising 3.2K images of 1K concepts from 6 domains, designed to evaluate culture-aware cross-modal knowledge as well as concept-level knowledge editing in VLMs. Pre-edit evaluation reveals that textual and visual knowledge is decoupled: models often demonstrate text-based knowledge of cultural concepts but fail to identify them from images. We then evaluate editing methods in single and sequential scenarios. Although current methods successfully correct individual visual recognition errors, they exhibit low cross-modal portability, failing to integrate edits into the model's broader parametric knowledge. Furthermore, performance degrades rapidly under sequential editing, highlighting the need for comprehensive adaptation approaches that better consolidate multimodal knowledge over time.
• Abstract（参考訳）: 現在のビジョン・ランゲージ・モデル(VLM)は文化固有の概念を認識できないことが多い。 この長い知識を既存のモデルに効果的に注入することは、依然として課題である。 本稿では,6領域から1K概念の3.2K画像を含むベンチマークであるCulturalBindを導入することで,知識編集を対象とする代替手段として検討する。 モデルはしばしば、文化概念に関するテキストベースの知識を示すが、それらが画像から識別できない。 次に、単一のシナリオとシーケンシャルシナリオで編集方法を評価する。 現在の手法では、個々の視覚的認識誤差の修正に成功しているが、それらは低モデアルな移植性を示し、モデルのより広範なパラメトリック知識に編集を統合することに失敗した。 さらに、シーケンシャルな編集では性能が急速に低下し、時間とともにマルチモーダルな知識をより強化する包括的な適応アプローチの必要性が浮き彫りになる。

関連論文リスト

• MoKus: Leveraging Cross-Modal Knowledge Transfer for Knowledge-Aware Concept Customization [29.107345150461143]
  本稿では,視覚的概念をターゲットとした多様なテキスト知識の結合を目的とした新しい課題である知識認識概念カスタマイズを提案する。 このタスクでは、高忠実度でカスタマイズされた生成を行うために、テキストプロンプト内の知識を特定する必要がある。 知識を意識した概念カスタマイズのための新しいフレームワークであるMoKusを提案する。
  論文  参考訳（メタデータ） (2026-03-13T07:39:35Z)
• Toward Socially Aware Vision-Language Models: Evaluating Cultural Competence Through Multimodal Story Generation [2.0467354053171243]
  本稿では,マルチモーダルストーリー生成による視覚言語モデル(VLM)の文化的能力の総合評価を行う。 分析の結果,文化的に特有な語彙が多岐にわたる文化的適応能力,家族用語,地理的マーカーが明らかとなった。 文化的な能力はアーキテクチャによって劇的に変化し、いくつかのモデルは逆の文化的アライメントを示し、自動化されたメトリクスは人間の評価と矛盾するアーキテクチャ上のバイアスを示しています。
  論文  参考訳（メタデータ） (2025-08-22T19:39:02Z)
• CROPE: Evaluating In-Context Adaptation of Vision and Language Models to Culture-Specific Concepts [45.77570690529597]
  文化固有の概念の知識を探索するための視覚的質問応答ベンチマークであるCROPEを紹介する。 いくつかの最先端のオープンビジョンと言語モデルの評価は、文化固有の概念と共通の概念の相違が大きいことを示す。 文脈知識を用いた実験は、モデルがマルチモーダル情報を効果的に活用し、文化固有の概念を描写に結びつけるのに苦労していることを示している。
  論文  参考訳（メタデータ） (2024-10-20T17:31:19Z)
• A Comprehensive Study of Knowledge Editing for Large Language Models [82.65729336401027]
  大規模言語モデル(LLM)は、人間のコミュニケーションを忠実に反映したテキストの理解と生成の素晴らしい能力を示している。 本稿では,知識編集の問題を定義し,最先端アプローチの包括的レビューを行う。 我々は,代表的知識編集アプローチの総合的評価のための新しいベンチマークであるKnowEditを紹介した。
  論文  参考訳（メタデータ） (2024-01-02T16:54:58Z)

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。