論文の概要: T2I Models Rarely Invert Negation but Often Fail to Suppress Negated Concepts: Benchmarking Negation Suppression in Text-to-Image Generation
- arxiv url: http://arxiv.org/abs/2611.09304v1
- Date: Fri, 06 Nov 2026 10:56:01 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-11-09 22:29:06.8983
- Title: T2I Models Rarely Invert Negation but Often Fail to Suppress Negated Concepts: Benchmarking Negation Suppression in Text-to-Image Generation
- Title(参考訳): T2Iモデルによるまれな逆否定の抑制 : テキスト・画像生成における否定抑圧のベンチマーク
- Abstract要約: テキスト・画像生成における否定感度を測定するためのベンチマークとメトリクスであるT2I-NSIを紹介する。
それぞれが否定的なプロンプトと正の正の正のプロンプトをペアにし、言語形式による否定を分解する。
このベンチマークには、59,869個の対のプロンプト原子が5,082個のオブジェクトカタログ上にあり、916,272個の画像がある。
- 参考スコア(独自算出の注目度): 32.3656244449029
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Text-to-image diffusion models often fail to suppress explicitly negated concepts, such as a lamp for "a desk without a lamp." We introduce T2I-NSI, a benchmark and metric for measuring negation sensitivity in text-to-image generation. It pairs each negated prompt with a canonical positive counterpart and factorizes negation by linguistic form (lexical/semantic, morphological, syntactic) and target type (objects, attributes, relations, compositions, and nested cases). The benchmark contains 759,869 paired prompt atoms over a 5,082-object catalog, with 916,272 images (911,982 open-weights, 4,290 closed-source), scored by a Basic CLIP estimator and a Robust ensemble of CLIP, VQA and open-vocabulary detection. Negation sensitivity is low: open-weights generators score NSI <= 0.038, while GPT-Image-1.5 and Gemini-2.5-Flash-Image reach about 0.09. The dominant failure is under-suppression rather than misdirection. Inverse interpretation is essentially absent (0.00% across over 450K atom-model evaluations), whereas models render the concept under both prompts on 8-19% of atoms and only partly suppress it on a further 9-25%; most remaining atoms are too weakly rendered to label. A blinded human study (420 atoms, nine annotators) corroborates the near-absence of inversion and the high persistence rate, and a matched-prompt comparison shows the open-versus-closed gap (~3.5x) is not a prompt-generator artifact. Code and data: https://github.com/IAB-IITJ/T2I-NSI
- Abstract(参考訳): テキストから画像への拡散モデルは、しばしば「ランプのない机」のランプのような明示的に否定された概念を抑えるのに失敗する。
テキスト・画像生成における否定感度を測定するためのベンチマークとメトリクスであるT2I-NSIを紹介する。
それぞれが否定的プロンプトを正正の正のものと組み合わせ、言語形式(語彙/意味、形態、構文)と対象型(対象、属性、関係、構成、ネストされたケース)によって否定を分解する。
このベンチマークには、5,082オブジェクトカタログ上の759,869個のペアのプロンプト原子が含まれており、916,272個の画像(911,982個のオープンウェイト、4,290個のクローズドソース)はベーシックCLIP推定器と、CLIP、VQA、オープンボキャブラリ検出のロバストアンサンブルによって測定されている。
負の感度は低い: オープンウェイトジェネレータは NSI <= 0.038 であり、GPT-Image-1.5 と Gemini-2.5-Flash- Image は約 0.09 に達する。
主流の失敗は、誤った方向ではなく、過小評価である。
逆解釈は基本的に欠如している(450K以上の原子モデル評価では0.00%)のに対し、モデルでは8-19%の原子に対して両方のプロンプトでこの概念を表現し、さらに9-25%で部分的に抑制している。
目隠しされた人間の研究(420個の原子、9個のアノテータ)は、反転の近さと高い持続率を相関させ、一致したプロンプト比較は、開対閉鎖ギャップ(~3.5x)が即時生成物ではないことを示している。
コードとデータ:https://github.com/IAB-IITJ/T2I-NSI
関連論文リスト
- NegT2IBench: When Negation Changes the Picture. A Polarity Benchmark for Text-to-Image Models [42.95507596219371]
我々は2つの属性タイプと4つの関係カテゴリをカバーする4,800のプロンプトのベンチマークであるNegT2IBenchを紹介した。
私たちの検出器に基づくスコアは再現可能で、監査可能で、要求が失敗したピンポイントです。
論文 参考訳(メタデータ) (2026-10-02T10:03:56Z) - Symbolic Augmentation Closes a Canonical-Equivalence Blind Spot in Neural Fact-Checkers [1.7844382164707184]
我々は,5種類の型付き誤り分類と1500石のベンチマークを導入する。
このベンチマークで微調整されたModernBERTエンコーダはマクロF1 = 0.899に達する。
本稿では,ラベル保存型強化トレーニングデータを生成するために,シンボル検証器のモジュールを逆向きに動作させる訓練時フレームワークであるSybolic Augmentationを提案する。
論文 参考訳(メタデータ) (2026-05-19T15:58:00Z) - Omni-NegCLIP: Enhancing CLIP with Front-Layer Contrastive Fine-Tuning for Comprehensive Negation Understanding [0.0]
近年,視覚言語モデル (VLM) は否定表現の理解に乏しいことが報告されている。
提案するOmni-NegCLIPは,CLIPの2種類の否定に対する理解を改善する細調整CLIPモデルである。
実験の結果,Omni-NegCLIPはプレトレーニング済みのCLIPと比較して,プレゼンスベース否定タスクと欠席ベース否定タスクのパフォーマンスを最大52.65%,12.50%向上した。
論文 参考訳(メタデータ) (2026-03-31T04:48:52Z) - Commonsense-T2I Challenge: Can Text-to-Image Generation Models Understand Commonsense? [97.0899853256201]
本稿では,実生活におけるコモンセンスと整合した画像を生成するためのテキスト・ツー・イメージ生成モデルの能力を評価するための新しいタスクとベンチマークを提案する。
我々は、T2Iモデルが、例えば「電球は無光である」と「電球は無光である」というようなイメージを生成できるかどうかを評価する。
さまざまな最先端(ソータ)のT2Iモデルをベンチマークした結果、画像合成と実写写真の間にはまだ大きなギャップがあることがわかった。
論文 参考訳(メタデータ) (2024-06-11T17:59:48Z) - Who Evaluates the Evaluations? Objectively Scoring Text-to-Image Prompt Coherence Metrics with T2IScoreScore (TS2) [62.44395685571094]
T2IScoreScoreはプロンプトを含むセマンティックエラーグラフのキュレートされたセットであり,誤画像の集合である。
これにより、与えられた迅速な忠実度測定値が、客観的な誤差数に対して正しく画像を順序付けできるかどうかを厳格に判断することができる。
最先端のVLMベースのメトリクスは、CLIPScoreのような単純な(そしておそらく悪い)機能ベースのメトリクスを著しく上回りません。
論文 参考訳(メタデータ) (2024-04-05T17:57:16Z)
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。