論文の概要: Advances in Agentic Computer Graphics
- arxiv url: http://arxiv.org/abs/2611.01860v1
- Date: Sun, 01 Nov 2026 12:52:13 GMT
- ステータス: 情報取得中
- システム内更新日: 2026-11-03 19:57:25.707653
- Title: Advances in Agentic Computer Graphics
- Title（参考訳）: エージェントコンピュータグラフィックスの進歩
- Abstract要約: エージェントグラフィックスの研究は、様々なタスクにわたって急速に拡大してきた。
多様なコンピュータグラフィックスタスクにまたがるエージェントシステムを特徴付けるための統一分類法を提案する。
我々は,人間研究者が既存の論文や新たに公開された論文を大規模に分析するのを支援するエージェント文献システムを開発した。
- 参考スコア（独自算出の注目度）: 76.03289567040993
- License:
- Abstract: Computer graphics is built on code. Large language model (LLM) agents can now generate graphics code and iteratively refine it through various feedback. This capability opens the door to a potentially new paradigm of computer graphics, with graphics algorithms increasingly built around agentic systems to automate progressively complex tasks. Over the past years, research on agentic graphics has expanded rapidly across a diverse range of tasks. This rapid growth makes it increasingly difficult for manual literature reviews to keep pace with new developments. At the same time, similar ideas are often described using different terminology across these tasks, further complicating efforts to develop a systematic understanding of the field. In this report, we address these challenges through two contributions. First, we introduce a unified taxonomy for characterizing agentic systems across diverse computer graphics tasks. Second, we develop an agentic literature system that can assist human researchers in analyzing existing and newly published papers at scale. Building on these contributions, we analyze emerging research trends and discuss open challenges in coordinating agents and tools across graphics tasks, designing interfaces and representations for human-agent collaboration, sustaining long-horizon planning and refinement, and reliably evaluating interactive graphics systems.
- Abstract（参考訳）: コンピュータグラフィックスはコード上に構築されている。
大規模言語モデル(LLM)エージェントは、グラフィックコードを生成し、様々なフィードバックを通じて反復的にそれを洗練することができる。
この能力は、コンピューターグラフィックスの新しいパラダイムへの扉を開くもので、徐々に複雑なタスクを自動化するエージェントシステムを中心にグラフィクスアルゴリズムが構築されるようになっている。
過去数年間、エージェントグラフィックスの研究は様々なタスクにわたって急速に拡大してきた。
この急速な成長は、手作業による文献レビューが新たな発展に追随することをますます困難にしている。
同時に、同様の考えはしばしば、これらのタスクの異なる用語を用いて記述され、この分野の体系的な理解を深めるための努力をさらに複雑にしている。
本稿では,2つのコントリビューションを通じて,これらの課題に対処する。
まず,多様なコンピュータグラフィックスタスクにまたがるエージェントシステムを特徴付ける統一分類法を提案する。
第2に,既存の論文や新たに公開された論文を大規模に分析する上で,人間の研究者を支援するエージェント文献システムを開発する。
これらのコントリビューションに基づいて,新たな研究動向を分析し,グラフィックタスク間のエージェントやツールのコーディネート,ヒューマンエージェントコラボレーションのためのインターフェースや表現の設計,長期計画と改良の維持,インタラクティブなグラフィクスシステムの信頼性評価におけるオープンな課題について論じる。
関連論文リスト
- Hollywood Town: Long-Video Generation via Cross-Modal Multi-Agent Orchestration [73.65102758687289]
本研究は,マルチエージェントコラボレーションを改善するための3つのイノベーションを紹介する。
まず、長いビデオ生成のための階層型グラフベースのマルチエージェントフレームワークであるOmniAgentを提案する。
第2に,文脈工学にヒントを得たハイパーグラフノードを提案する。
論文 参考訳（メタデータ） (2025-10-25T20:34:18Z) - Graphs Meet AI Agents: Taxonomy, Progress, and Future Opportunities [117.49715661395294]
データ構造化は、複雑で非組織的なデータをよく構造化された形式に変換することで、有望な役割を果たす。
この調査では、グラフがAIエージェントにどのように権限を与えるかを、初めて体系的にレビューする。
論文 参考訳（メタデータ） (2025-06-22T12:59:12Z) - Large Language Model-Brained GUI Agents: A Survey [42.82362907348966]
マルチモーダルモデルはGUI自動化の新しい時代を支えてきた。
彼らは自然言語理解、コード生成、視覚処理において例外的な能力を示した。
これらのエージェントはパラダイムシフトを表しており、ユーザーは単純な会話コマンドで複雑なマルチステップタスクを実行できる。
論文 参考訳（メタデータ） (2024-11-27T12:13:39Z) - Exploration of LLM Multi-Agent Application Implementation Based on LangGraph+CrewAI [1.4582633500696451]
本稿では,LangGraphとCrewAIの統合アプリケーションについて論じる。
LangGraphは、グラフアーキテクチャによる情報伝達の効率を改善する。
CrewAIはチームコラボレーション機能とシステムパフォーマンスを強化する。
論文 参考訳（メタデータ） (2024-11-27T11:29:17Z) - Graph signal processing for machine learning: A review and new
perspectives [57.285378618394624]
本稿では,GSPの概念とツール,例えばグラフフィルタや変換による新しい機械学習アルゴリズム開発への重要な貢献について概説する。
本稿では,データ構造とリレーショナル事前の活用,データと計算効率の向上,モデル解釈可能性の向上について論じる。
我々は,応用数学と信号処理の橋渡しとなるGSP技術と,他方の機械学習とネットワーク科学の橋渡しとなる新たな視点を提供する。
論文 参考訳（メタデータ） (2020-07-31T13:21:33Z)
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。