論文の概要: SAVIER: Source-Anchored Visual Inspection and Evidence-Guided Repair for Vietnamese Cultural Text-to-Image Generation

• arxiv url: http://arxiv.org/abs/2611.00722v1
• Date: Sat, 31 Oct 2026 07:53:13 GMT
• ステータス: 情報取得中
• システム内更新日: 2026-11-03 19:29:38.551834
• Title: SAVIER: Source-Anchored Visual Inspection and Evidence-Guided Repair for Vietnamese Cultural Text-to-Image Generation
• Title（参考訳）: SAVIER:ベトナム文化テキスト・画像生成のためのソースアンコール型視覚検査とエビデンスガイド修復
• Abstract要約: SAVIER(サビエル)は、ベトナムの文化団体が生成した画像の描写を修復する、訓練のないワンパスの枠組みである。 キュレーターは、ソースリンクされた文化的な手がかりを、即時保存要求から切り離し、プロンプトブラインドオブザーバは、最初のイメージを記述し、Refinerは、相違を命令に変換する。 エージェントの修理を除去する参照のみのアブレーションは、SAVIERの写真が契約の利得の大部分を占めていることを示している。
• 参考スコア（独自算出の注目度）: 3.390144332274255
• License:
• Abstract: We present SAVIER, a training-free, one-pass framework that repairs the depiction of a named Vietnamese cultural entity in a generated image while preserving the scene details requested by the user. The problem is hard because a plausible scene can miss the cues that identify the entity, and prompt-level refinement never inspects the image it produces. SAVIER starts from a Culture-TRIP expanded prompt; a Curator separates source-linked cultural cues from prompt-preservation requirements, a prompt-blind Observer describes the first image, and a Refiner turns the discrepancies into at most three positive instructions before one regeneration with the same seed and a fixed bank of reference photographs. On the 50 bilingual prompts of ViCuP, evaluated with SDXL and FLUX.1-dev against a frozen, human-verified visual contract, SAVIER raises contract fulfillment from 55.6 to 69.6 and from 59.1 to 67.3 over Culture-TRIP and raises CAIRE cultural relevance on FLUX.1-dev. A reference-only ablation that removes the agent repair shows that SAVIER's photographs account for most of the contract gain; the agent roles add country-level relevance on FLUX.1-dev without lowering adherence to the original prompt under the official VQAScore. Project page: https://oxyzgiahuy.github.io/savier/
• Abstract（参考訳）: 本稿では,ベトナムの文化団体の描写を,ユーザから要求されたシーンの詳細を保存しながら生成した画像で修復する,訓練不要のワンパスフレームワークであるSAVIERを提案する。 なぜなら、もっともらしいシーンは、エンティティを識別する手がかりを見逃しかね、即席の精査は、生成したイメージを決して検査しないからだ。 SAVIERはカルチャー-TRIP拡張プロンプトから始まり、キュレーターはソースをリンクしたカルチャーキューを即時保存要件から切り離し、プロンプト・ブラインド・オブザーバは最初のイメージを記述し、Refinerは1つの世代を同じシードと固定された参照写真のバンクで再生する前に、少なくとも3つのポジティブな指示に変換する。 SDXLとFLUX.1-devで評価されたViCuPの50のバイリンガルプロンプトにおいて、SAVIERは契約履行を55.6から69.6に、Culture-TRIPより59.1から67.3に引き上げ、FLUX.1-devにCAIREの文化的関連性を高める。 エージェントの修復を除去する参照のみのアブレーションは、SAVIERの写真が契約の利益の大部分を担っていることを示している; エージェントロールは、公式のVQAScoreの下で、元のプロンプトへの準拠を低下させることなく、FLUX.1-devに国レベルの関連性を付加する。 プロジェクトページ: https://oxyzgiahuy.github.io/savier/

関連論文リスト

• VII: Visual Instruction Injection for Jailbreaking Image-to-Video Generation Models [57.128876964730644]
  参照画像に映像生成を条件付けるI2V(Image-to-Video)生成モデルは、新たな視覚的指示追従能力を示す。 安全でないテキストプロンプトの悪意ある意図を、安全な参照画像の良心的な視覚的指示として偽装する、トレーニング不要で移動可能なジェイルブレイクフレームワークであるVisual Instruction Injection (VII)を提案する。 VIIは最大83.5%のアタック成功率を達成し、拒絶率をほぼゼロに抑え、既存のベースラインを大幅に上回っている。
  論文  参考訳（メタデータ） (2026-02-24T15:20:01Z)
• CAIRe: Cultural Attribution of Images by Retrieval-Augmented Evaluation [61.130639734982395]
  本稿では,画像の文化的関連度を評価する新しい評価指標であるCAIReを紹介する。 本フレームワークは,イメージ内の実体と概念を知識ベースに基盤として,実情報を用いて各文化ラベルに対して独立した評価を行う。
  論文  参考訳（メタデータ） (2025-06-10T17:16:23Z)
• Culture-TRIP: Culturally-Aware Text-to-Image Generation with Iterative Prompt Refinement [2.089922606370409]
  反復的プロンプトリファインメント(Culture-TRIP)を用いた文化的テキスト・画像生成手法を提案する。 提案手法は, カルチャー名詞に関連する文化的文脈と視覚的詳細を抽出する。 一連の文化的基準と大きな言語モデルに基づいて、反復的にプロンプトを洗練・評価する。
  論文  参考訳（メタデータ） (2025-02-24T06:56:56Z)
• An image speaks a thousand words, but can everyone listen? On image transcreation for cultural relevance [53.974497865647336]
  われわれは、画像の翻訳を文化的に意味のあるものにするための第一歩を踏み出した。 タスクを行うために、最先端の生成モデルからなる3つのパイプラインを構築します。 我々は,翻訳画像の人間による評価を行い,文化的意義と保存の意味を評価する。
  論文  参考訳（メタデータ） (2024-04-01T17:08:50Z)
• CIC: A Framework for Culturally-Aware Image Captioning [2.565964707090901]
  本稿では,文化を表すイメージの視覚的要素から抽出された文化要素をキャプションとして表現し,表現する新しい枠組みであるCICを提案する。 視覚的モダリティとLarge Language Models(LLM)を組み合わせた手法に着想を得て,画像から文化カテゴリーに基づく質問を生成する。 4つの異なる文化集団から45人の被験者を対象に行った人的評価から,提案する枠組みがより文化的に記述的なキャプションを生成することが示唆された。
  論文  参考訳（メタデータ） (2024-02-08T03:12:25Z)

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。