論文の概要: Do Transaction Prices Reflect Visual Preference? A Diagnostic Study with Multimodal Language Models

• arxiv url: http://arxiv.org/abs/2610.41358v1
• Date: Fri, 30 Oct 2026 07:21:39 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-11-02 22:05:31.641522
• Title: Do Transaction Prices Reflect Visual Preference? A Diagnostic Study with Multimodal Language Models
• Title（参考訳）: 取引価格は視覚的嗜好を反映するか? マルチモーダル言語モデルを用いた診断研究
• Abstract要約: MarketImageは、トランザクション価格が視覚的嗜好を反映するタイミング、失敗した場所、マルチモーダル言語モデルが視覚的嗜好信号を回復できるかどうかを識別する。 MarketImageは、(i)MarketImageArt、266の6画像比較セット、(ii)MarketImageLens、(ii)直接比較、独立したスコアリング、予算制約、マルチタスクを含む6つの評価方法、そして、(iii)MarketValuatorの3つのコンポーネントから構成される。
• 参考スコア（独自算出の注目度）: 16.752335498377715
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Existing visual preference evaluation relies on costly human annotations or preference reward models, whereas online marketplace transaction prices are readily available and reflect real purchasing behavior, offering potential low-cost supervision. However, transaction prices conflate visual preferences with non-visual factors such as provenance, demand, and competition, making aggregate accuracy insufficient to distinguish model errors, unreliable price signals, and protocol confounds. To address this identifiability challenge, we introduce MarketImage, a diagnostic framework that identifies when transaction prices reflect visual preferences, where they fail, and whether multimodal language models can recover human-supported visual preference signals. MarketImage comprises three components: (i) MarketImageArt, 266 six-image comparison sets with transaction prices and price-blind human rankings; (ii) MarketImageLens, a tie-preserving protocol that partitions 3,990 within-set image pairs into price-human agreement, conflict, and price-tie regions while separately auditing presentation-order effects; and (iii) MarketValuator, six elicitation methods spanning direct comparison, independent scoring, budget constraints, and multi-agent aggregation to evaluate signal recovery by static visual scorers and three multimodal language models. Experiments show that only 24.2% of image pairs have a non-tied price direction, of which 34.7% agree with the human majority. Within this region, HPSv2 leads at 66.4% Recoverable Accuracy; Qwen's budgeted and aggregated variants trail baselines, while GPT interface gains remain statistically unresolved. Thus, transaction prices encode recoverable visual preferences only under limited conditions and should be treated as uncertain proxies rather than ground truth.
• Abstract（参考訳）: 既存の視覚的嗜好評価は、コストのかかる人的アノテーションや嗜好報酬モデルに依存しているのに対し、オンライン市場取引の価格は容易に手に入り、実際の購入行動を反映し、低コストの監視を提供する。 しかし、取引価格は、不確実性、需要、競争といった視覚的でない要因と視覚的嗜好を区別し、モデルエラー、信頼性の低い価格信号、プロトコルの欠点を区別するのに十分な総合的正確性を実現する。 この識別可能性の課題に対処するために、取引価格が視覚的嗜好を反映したタイミング、どこで失敗するか、マルチモーダル言語モデルがヒューマンサポートされた視覚的嗜好信号を回復できるかどうかを識別する診断フレームワークであるMarketImageを紹介した。 MarketImageは3つのコンポーネントから構成される。 一 市場ImageArt、取引価格及び物価低下人格との六画像比較セット266 (ii)MarketImageLensは、3,990個の画像対を価格・人的合意・紛争・価格帯に分割し、プレゼンテーション順序効果を別々に監査するタイ保存プロトコルである。 3) MarketValuator, 直接比較, 独立スコアリング, 予算制約, マルチエージェントアグリゲーションを対象とし, 静的視覚スコアラーと3つのマルチモーダル言語モデルによる信号回復を評価する。 実験の結果、画像ペアの24.2%しか価格の差がないことが示され、そのうち34.7%は人間の多数派と一致している。 この領域ではHPSv2が66.4%の精度でリードし、Qwenの予算と集約された変種はベースラインをたどる一方、GPTインターフェースのゲインは統計的に未解決のままである。 したがって、取引価格は、限られた条件下でのみ回復可能な視覚的嗜好を符号化し、真理ではなく不確実なプロキシとして扱うべきである。

関連論文リスト

• Evaluating and Pricing Advertisements in AI-Generated Responses [5.675676304782969]
  主な課題は、クリックスルーインテント、行動ログが利用できないこと、人間のアノテーションが校正に抵抗すること、フロンティアのLLM判事がインテントを言語的な流布と説明することである。 心理学的基盤を持つエージェント・シミュレーション・フレームワークを用いて、欠落した監視を構築、クリックスルー意図を予測するパラメータ効率評価器に分解し、スムーズで微分可能な見積もりとして、広告品質の3つの相補的な次元と合わせて構成する。 我々は価格層を直接構築し、真理入札が最適であるユニークな支払いルールを導出し、それを最高のk割当で示し、そのメカニズムを非モノトン割当に拡張する。
  論文  参考訳（メタデータ） (2026-07-30T05:07:27Z)
• Causal Supervision of Attention for Affective Behaviour Analysis [5.611458864154039]
  textit11th Affective Behaviour Analysis in-the-wild Competitionにはマルチタスク学習チャレンジが含まれている。 課題は、主題全体にわたって一般化される感情に関連した表現を学習することにある。 本稿では、因果的監視と注意要素の相互共分散規則化を組み合わせた注意プールフレームワークを提案する。
  論文  参考訳（メタデータ） (2026-07-13T19:11:33Z)
• P$^2$-DPO: Grounding Hallucination in Perceptual Processing via Calibration Direct Preference Optimization [55.74731799669337]
  幻覚は近年、LVLM(Large Vision-Language Models)において大きな研究の注目を集めている。 直接選好最適化(DPO)は、人間が提供した修正選好から直接学習することを目的としている。 既存の選好ペアは視覚に依存しないことが多く、その本質的に非政治的な性質は、モデル学習を導く上での有効性を制限している。 本稿では、モデルが独自の選好ペアから生成し学習する新しい訓練パラダイムである知覚処理直接選好最適化(P$2$-DPO)を提案する。
  論文  参考訳（メタデータ） (2026-06-02T09:22:53Z)
• StakeBench: Evaluating Language Understanding Grounded in Market Commitment [5.902169076249955]
  StakeBenchは、市場のコミットメントに根ざした言語理解のための評価フレームワークである。 StakeBenchは2,261の市場から560,876件のコメントを入手した。 4つの診断タスクは、モデルが市場のコミットメントを検出し、明らかにされた側面を特定し、将来のアクションを予測し、集合的なオッズ予測を実行するかどうかをテストする。
  論文  参考訳（メタデータ） (2026-05-25T17:38:30Z)
• Visual Aesthetic Benchmark: Can Frontier Models Judge Beauty? [59.923111838399144]
  本稿では,視覚的審美性ベンチマーク (VAB) を提案する。 VABには400のタスクと1,195のイメージが芸術、写真、イラストに含まれており、ラベルはタスクごとに10人の独立した専門家審査員のコンセンサスから導かれる。 最強のシステムは、人間の専門家が達成した68.9%よりもはるかに低い26.5%のタスクで、候補順の3つのランダムな順で、最良の画像と最悪の画像の両方を正しく識別する。
  論文  参考訳（メタデータ） (2026-05-12T19:33:28Z)
• RoboView-Bias: Benchmarking Visual Bias in Embodied Agents for Robotic Manipulation [67.38036090822982]
  ロボット操作における視覚バイアスの定量化を目的とした,最初のベンチマークであるRoboView-Biasを提案する。 我々は、個々の視覚的要因とその相互作用によって引き起こされるバイアスの堅牢な測定を可能にする2,127のタスクインスタンスを作成します。 本研究は,視覚バイアスの系統的解析が,安全で信頼性の高い汎用的なエンボディエージェントの開発に必須であることを示す。
  論文  参考訳（メタデータ） (2025-09-26T13:53:25Z)
• Contra4: Evaluating Contrastive Cross-Modal Reasoning in Audio, Video, Image, and 3D [97.08549913899247]
  Contra4は、画像、オーディオ、ビデオ、および3Dの4つのモードにまたがる、対照的な相互モーダル推論のためのデータセットである。 それぞれの例は、複数の候補モダリティのインスタンスと並んで自然言語の質問を示し、モデルがプロンプトと意味的に一致するものを選択する必要がある。 コントラ4は、人間の注釈付きキャプションとモデルの混在するラウンドトリップ一貫性フィルタを組み合わせることで、高品質な監視を確実にし、174kのトレーニング例と2.3kのサンプルを手作業で検証する。
  論文  参考訳（メタデータ） (2025-06-02T03:12:13Z)
• Evaluating the Fairness of Discriminative Foundation Models in Computer Vision [51.176061115977774]
  本稿では,CLIP (Contrastive Language-Pretraining) などの差別基盤モデルのバイアス評価のための新しい分類法を提案する。 そして、これらのモデルにおけるバイアスを緩和するための既存の手法を分類学に関して体系的に評価する。 具体的には,ゼロショット分類,画像検索,画像キャプションなど,OpenAIのCLIPとOpenCLIPモデルをキーアプリケーションとして評価する。
  論文  参考訳（メタデータ） (2023-10-18T10:32:39Z)
• Doubly High-Dimensional Contextual Bandits: An Interpretable Model for Joint Assortment-Pricing [24.80305303473745]
  小売業を営む上での課題は、消費者に提示する商品の選択方法や、収益や利益を最大化する商品の価格設定方法だ。 コンテクスト的帯域幅に基づくアソシエーションプライシングへの共同アプローチを提案する。 我々は、バンディット方式による収益や利益の少なくとも3倍の増加と、学習された潜在因子モデルの解釈可能性を示す。
  論文  参考訳（メタデータ） (2023-09-14T00:45:36Z)
• A Causal Perspective on Loan Pricing: Investigating the Impacts of Selection Bias on Identifying Bid-Response Functions [1.0937531920233807]
  我々は、因果推論の問題として価格を装い、選択バイアスの効果を理解するための一歩を踏み出した。 本研究では,ベルギーにおけるローンローン申請に関する半合成データセットにおいて,選択バイアスのレベルをシミュレートした。 我々は、因果機械学習による最先端の手法を実装し、価格データの選択バイアスを克服する能力を示す。
  論文  参考訳（メタデータ） (2023-09-07T14:14:30Z)
• Price DOES Matter! Modeling Price and Interest Preferences in Session-based Recommendation [55.0391061198924]
  セッションベースのレコメンデーションは、匿名ユーザが自分の短い行動シーケンスに基づいて購入したいアイテムを予測することを目的としている。 セッションベースのレコメンデーションの価格設定を組み込むのは簡単ではない。 セッションベースレコメンデーションのためのCoHHN(Co-guided Heterogeneous Hypergraph Network)を提案する。
  論文  参考訳（メタデータ） (2022-05-09T10:47:15Z)

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。