| 電子情報通信学会 研究会発表申込システム 講演論文 詳細 |
技報閲覧サービス [ログイン] 技報アーカイブ |
| トップに戻る | 前のページに戻る | [Japanese] / [English] |
| 講演抄録／キーワード | ||
| 講演名 | 2026-03-16 15:50 単一画像謎解きに対する類題検索とインコンテキスト学習を用いた解答支援 ○松平颯斗・駒水孝裕・井手一郎（名大）  IMQ2025-49 IE2025-126 MVE2025-56 |
|
| 抄録 | （和） | 謎解きは画像やテキストの情報を統合し，背後にある法則を発見する必要があるため，マルチモーダル大規模言語モデル（Multimodal Large Language Model；MLLM）単独での解答は困難である．そこで本研究では，MLLMのための，解法が類似した問題の問題画像とその解説文を用いたインコンテキスト学習による解答支援手法を提案する．具体的には，単一画像の謎解き61問を対象に，タグ情報，画像特徴量，MLLM埋め込みを用いた3種類の類題検索手法を比較する．実験の結果，画像に付与したタグ情報による手法が最も高い正答率を示し，画像特徴量による手法では表層的特徴よりも構造的特徴を捉える特徴量が有効であることを確認した．また，MLLM埋め込みによる手法でも正答率の向上を確認した．以上より，謎解きの解答支援には，視覚的な類似性ではなく，問題や解法の論理構造に基づく類題提示が重要であることが示唆された． |
| （英） | Solving riddles requires integrating image and text information to discover implicit rules, making it difficult for Multimodal Large Language Models (MLLMs) to solve them independently. To support MLLM's reasoning, this study proposes an In-Context Learning(ICL) method that utilizes images and explanations of problems with a similar solution logic. Using a dataset of 61 single-image riddles, we evaluated three retrieval methods: Image-tag-based, image-feature-based, and MLLM embedding-based. Experimental results show that an image-tag-based method shows the highest accuracy. Furthermore, regarding the image-feature-based methods, features capturing structural features are found to be more effective than those relying on superficial features.The MLLM embedding-based method also showed improved accuracy. These results suggest that for riddle-solving support, presenting examples based on shared problem–solution logic is more important than visual similarity. | |
| キーワード | （和） | MLLM / 謎解き / インコンテキスト学習 / 類題検索 / / / / |
| （英） | Multimodal Large Language Model / riddle solving / In-Context Learning / similar problem retrieval / / / / | |
| 文献情報 | 信学技報, vol. 125, no. 411, MVE2025-56, pp. 170-175, 2026年3月. | |
| 資料番号 | MVE2025-56 | |
| 発行日 | 2026-03-09 (IMQ, IE, MVE) | |
| ISSN | Online edition: ISSN 2432-6380 | |
| 著作権に ついて |
技術研究報告に掲載された論文の著作権は電子情報通信学会に帰属します．(許諾番号：10GA0019/12GB0052/13GB0056/17GB0034/18GB0034) | |
| PDFダウンロード | IMQ2025-49 IE2025-126 MVE2025-56 |
|
| 研究会情報 | |
| 研究会 | CQ MVE IMQ IE |
| 開催期間 | 2026-03-16 - 2026-03-18 |
| 開催地（和） | 沖縄産業支援センター |
| 開催地（英） | Okinawa-Sangyoushien-Center |
| テーマ（和） | 五感に訴えるオンラインメディアとその評価，および一般 |
| テーマ（英） | |
| 講演論文情報の詳細 | |
| 申込み研究会 | MVE |
| 会議コード | 2026-03-CQ-MVE-IMQ-IE |
| 本文の言語 | 日本語 |
| タイトル（和） | 単一画像謎解きに対する類題検索とインコンテキスト学習を用いた解答支援 |
| サブタイトル（和） | |
| タイトル（英） | Image Puzzle Solving with Similar-Puzzle Retrieval for In-Context Learning |
| サブタイトル（英） | |
| キーワード(1)（和/英） | MLLM / Multimodal Large Language Model |
| キーワード(2)（和/英） | 謎解き / riddle solving |
| キーワード(3)（和/英） | インコンテキスト学習 / In-Context Learning |
| キーワード(4)（和/英） | 類題検索 / similar problem retrieval |
| キーワード(5)（和/英） | / |
| キーワード(6)（和/英） | / |
| キーワード(7)（和/英） | / |
| キーワード(8)（和/英） | / |
| 第1著者 氏名（和/英/ヨミ） | 松平 颯斗 / Hayato Matsudaira / マツダイラ ハヤト |
| 第1著者 所属（和/英） | 名古屋大学 (略称： 名大) Nagoya University (略称： Nagoya Univ.) |
| 第2著者 氏名（和/英/ヨミ） | 駒水 孝裕 / Takahiro Komamizu / コマミズ タカヒロ |
| 第2著者 所属（和/英） | 名古屋大学 (略称： 名大) Nagoya University (略称： Nagoya Univ.) |
| 第3著者 氏名（和/英/ヨミ） | 井手 一郎 / Ichiro Ide / イデ イチロウ |
| 第3著者 所属（和/英） | 名古屋大学 (略称： 名大) Nagoya University (略称： Nagoya Univ.) |
| 講演者 | 第1著者 |
| 発表日時 | 2026-03-16 15:50:00 |
| 発表時間 | 20分 |
| 申込先研究会 | MVE |
| 資料番号 | IMQ2025-49, IE2025-126, MVE2025-56 |
| 巻番号（vol） | vol.125 |
| 号番号（no） | no.408(IMQ), no.410(IE), no.411(MVE) |
| ページ範囲 | pp.170-175 |
| ページ数 | 6 |
| 発行日 | 2026-03-09 (IMQ, IE, MVE) |
[研究会発表申込システムのトップページに戻る]