論文の概要: GREP: Grounding Generated Room Evaluation in Principles
- arxiv url: http://arxiv.org/abs/2611.05802v1
- Date: Wed, 04 Nov 2026 01:19:12 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-11-06 03:25:57.915414
- Title: GREP: Grounding Generated Room Evaluation in Principles
- Title（参考訳）: GREP: 原則によるグラウンド生成室の評価
- Abstract要約: GREPは三層評価哲学の確立を目指している。
シーンのコンテキストから問題を特定し、証拠を収集し、スコアとレポートを生成する。
実験の結果、GREPはヒトの多数派選好と87%の一致を示した。
- 参考スコア（独自算出の注目度）: 14.65339171775402
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Recent LLM-centric advances can generate attractive furnished rooms by selecting and arranging assets. Yet evaluation remains limited to specific perspectives or predefined questions, failing to reflect overall scene quality. To address this pressing need, we introduce GREP. Its core is a focus shift from defining specific questions to establishing a three-tier evaluation philosophy: basic physical validity checks whether a scene obeys physical constraints; visual coherence concerns compatibility in object scale, style, and composition; and, at the highest level, human-use logic requires object arrangements to align with everyday human habits. Guided by these principles, an evaluation agent autonomously and adaptively identifies issues from scene context, gathers evidence, and produces scores and reports. This supports scene-specific issue discovery and reliable judgments. Experiments show that (1) GREP achieves 87% agreement with human majority preferences, substantially outperforming baseline evaluators. (2) GREP reports improve scene quality through refinement, whereas score-only and no-feedback baselines show slight declines. (3) GREP suggests that as planning ability improves, recent models such as GPT-5.6 Sol can move from relying on pipelines and harnesses to challenging their guidance and constraints, but still lack the ability to resolve the resulting conflicts. Stronger models are therefore expected not only to plan well, but also to adapt to external guidance and constraints more flexibly. Project page: https://han-808.github.io/GREP/
- Abstract（参考訳）: 近年のLCM中心の進歩は、資産を選定して配置することで、魅力的な家具ルームを創出することができる。
しかし、評価は特定の視点や事前定義された質問に限られており、全体のシーン品質を反映していない。
このようなニーズに対処するために、GREPを紹介します。
基本的な物理的妥当性は、シーンが物理的制約に従うかどうかをチェックし、視覚的コヒーレンスは、オブジェクトのスケール、スタイル、構成の互換性を懸念する。
これらの原則によって導かれた評価エージェントは、シーンコンテキストから問題を自律的かつ適応的に識別し、証拠を収集し、スコアとレポートを生成する。
これはシーン固有の問題発見と信頼性のある判断をサポートする。
実験の結果,(1)GREPはヒトの多数派選好と87%の一致を示した。
2) GREPレポートでは画質が向上し, スコアのみ, フィードバックなしのベースラインはわずかに低下した。
(3) GREPは、計画能力が向上するにつれて、GPT-5.6のような最近のモデルでは、パイプラインやハーネスに依存するものから、ガイダンスや制約に挑戦するものへと移行できるが、それでも結果の矛盾を解決する能力がないことを示唆している。
したがって、より強いモデルは、うまく計画するだけでなく、外部のガイダンスや制約に柔軟に対応することが期待されている。
プロジェクトページ:https://han-808.github.io/GREP/
関連論文リスト
- A Persian Vision-Language-Action Dataset and Benchmark for Ambiguity- and Infeasibility-Aware Instruction-to-Plan Grounding [0.0]
本稿では,この課題に対するペルシア語視覚言語アクションデータセットについて紹介する。
我々は,検索強化,思考の連鎖促進,エージェント的曖昧化のステップを緩和する。
79個の実出力に関する視覚的人間相関研究は、PGOS-FAが少なくともLLM-judgeと同じくらいヒトの判断を追跡することを示している。
論文 参考訳（メタデータ） (2026-10-11T14:46:28Z) - PhyProbe: Rethinking Physical Consistency Evaluation in Generated Videos [60.78191036132455]
本稿では,凍結前兆エンコーダから軽量スコアリングヘッドによるスカラー物理一貫性違反スコアに特徴をマッピングする評価器PhyProbeを紹介する。
PhyProbeは、一対のランク付け、ノイズの多いスカラーアノテーションの回帰、および不均一な管理源のキュレートされたセットに対するアンカーベースのキャリブレーションを組み合わせた統一された目的によって訓練される。
実験により、PhyProbeは、実際の生成および生成されたペアにまたがるほとんどのペアワイズベンチマークにおいて、様々な対応の下で、先行手法よりも優れた性能を示すことが示された。
PhyProbeは、ランクベースと線形メトリクスの密接な一致によって、人間の判断と強い相関を達成し、スコアが両方であることを示す
論文 参考訳（メタデータ） (2026-09-29T18:35:23Z) - From Holistic Evaluation to Structured Criteria: Rubrics Across the Evolving LLM Landscape [79.30826980815927]
ルーブリックは、複雑な品質判断を構造化され、実行可能な標準に変換する明示的な基準セットです。
我々は,既存のルーリックデザインを体系的に整理し,その構築と最適化を検証し,評価と訓練をまたいだ役割を解析する。
論文 参考訳（メタデータ） (2026-06-07T13:34:55Z) - PriorNet: Prior-Guided Engagement Estimation from Face Video [53.005382593686356]
パイプラインの3段階(前処理、モデル適応、客観的設計)でタスク関連事前処理を注入する事前ガイダンスフレームワークであるPresideerNetを提案する。
それぞれのデータセットのネイティブ評価プロトコルを用いて, EngageNet, DAiSEE, DREAMS, PAFE 上の PreorNet を評価する。
論文 参考訳（メタデータ） (2026-05-05T10:40:20Z) - LongSumEval: Question-Answering Based Evaluation and Feedback-Driven Refinement for Long Document Summarization [5.106530060248491]
LongSumEvalは構造化された質問応答フィードバックを通じて評価と生成を行う統合フレームワークである。
このフレームワークは、要約品質を回答可能性と質問と回答のペアの実際のアライメントとして運用する。
構造化されたフィードバックは、再トレーニングせずに自己修正を通じて、大幅な品質改善を可能にする。
論文 参考訳（メタデータ） (2026-04-28T02:07:56Z) - Faithful GRPO: Improving Visual Spatial Reasoning in Multimodal Language Models via Constrained Policy Optimization [31.411469692692766]
Chain-of-Thoughtトレースは、最終的な回答と矛盾することが多く、視覚的証拠が不十分である。
ラグランジアン二重昇華による制約として整合性と接地を強制するFithful GRPOを提案する。
その結果,FGRPOは推論品質を大幅に改善し,不整合率を24.5%から1.7%に下げ,視覚的接点スコアを+13%改善した。
論文 参考訳（メタデータ） (2026-04-09T17:15:47Z) - Can Vision Language Models Judge Action Quality? An Empirical Evaluation [5.688409551177917]
アクション・クオリティ・アセスメント(AQA)は、理学療法、スポーツコーチング、競争力判定に広く応用されている。
Vision Language Models (VLM) は AQA に対してかなりの保証を持っているが、この領域における実際のパフォーマンスは、ほとんど役に立たないままである。
本稿では,活動領域(例えば,フィットネス,フィギュアスケート,ダイビング,タスク,表現,促進戦略)における最先端VLMの総合評価について述べる。
論文 参考訳（メタデータ） (2026-04-09T14:29:19Z) - The BiGGen Bench: A Principled Benchmark for Fine-grained Evaluation of Language Models with Language Models [94.31327813151208]
BiGGen Benchは、77のタスクにわたるLMの9つの異なる能力を徹底的に評価するために設計された、原則化された世代ベンチマークである。
BiGGen Benchの重要な特徴は、インスタンス固有の評価基準の使用であり、人間の評価のニュアンスな識別を忠実に反映している。
論文 参考訳（メタデータ） (2024-06-09T12:30:30Z) - Entity-enhanced Adaptive Reconstruction Network for Weakly Supervised
Referring Expression Grounding [214.8003571700285]
Referring Expression Grounding (REG) は、言語表現によって記述されたイメージにおいて特定のターゲットをグラウンドすることを目的としている。
我々は、エンティティ強化適応再構築ネットワーク(EARN)を設計する。
EARNには、エンティティの強化、適応的な接地、協調的な再構築の3つのモジュールが含まれている。
論文 参考訳（メタデータ） (2022-07-18T05:30:45Z) - Location-free Human Pose Estimation [29.327982113378408]
人間のポーズ推定(HPE)は通常、高性能に到達するために大規模なトレーニングデータを必要とする。
キーポイント位置の監視なしに位置のないフレームワークを提案する。
CAMに基づく弱教師付きオブジェクトローカライゼーションに着想を得た結果,粒度HPEとオブジェクトレベルのローカライゼーションのギャップにより,粗いキーポイント位置がCAMを介して取得可能であることがわかった。
論文 参考訳（メタデータ） (2022-05-25T09:56:37Z)
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。