| 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 | 2026-06-23 13:50 Pre-captioningおよび自己評価報酬を用いた視覚言語モデルによる画像変化記述の精度向上の試み ○津守陽太・中尾 恵・御手洗 彰（京大）  SIP2026-30 BioX2026-30 IE2026-30 MI2026-30 |
|
| 抄録 | （和） | 本研究では，視覚言語モデル (VLM) に対してGroup Relative Policy Optimizationを適用し，画像間の幾何学的変化を推論課程を示しながら自然言語で記述する手法を検討した．推論に先立って入力画像の内容を自然言語で出力するPre-captioningとVLM自身の出力に対して自己評価スコアを報酬として付与する自己評価報酬を組み込むことで，画像に加えられた編集の説明精度が向上する傾向を確認した．下顎骨再建計画データセットを用いた評価により，提案手法の有効性を確認した． |
| （英） | This study investigates a method for describing geometric changes between images in natural language while explicitly presenting the reasoning process by applying Group Relative Policy Optimization (GRPO) to a Vision-Language Model (VLM). To improve the accuracy of edit explanation, we incorporate two approaches: Pre-captioning, which generates natural language descriptions of the input images prior to reasoning, and a self-reward mechanism that assigns reward scores based on the VLM’s own evaluation of its outputs. Experimental results on a mandibular reconstruction planning dataset demonstrated that the proposed method improves the accuracy of explaining image editing operations. | |
| キーワード | （和） | Pre-captioning / 自己評価報酬 / 下顎骨再建計画データ / / / / / |
| （英） | Pre-captioning / Self Rewarding / mandibular reconstruction planning data / / / / / | |
| 文献情報 | 信学技報, vol. 126, no. 86, MI2026-30, pp. 155-158, 2026年6月. | |
| 資料番号 | MI2026-30 | |
| 発行日 | 2026-06-15 (SIP, BioX, IE, MI) | |
| 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 | SIP2026-30 BioX2026-30 IE2026-30 MI2026-30 |
|
| 研究会情報 | |
| 研究会 | ITE-IST ITE-ME IE BioX SIP MI |
| 開催期間 | 2026-06-22 - 2026-06-23 |
| 開催地（和） | 鳥取県立生涯学習センター |
| 開催地（英） | |
| テーマ（和） | マルチメディアデータ・映像・画像・信号の取得・処理・解析・認証と応用、および一般 |
| テーマ（英） | |
| 講演論文情報の詳細 | |
| 申込み研究会 | MI |
| 会議コード | 2026-06-IST-ME-IE-BioX-SIP-MI |
| 本文の言語 | 日本語 |
| タイトル（和） | Pre-captioningおよび自己評価報酬を用いた視覚言語モデルによる画像変化記述の精度向上の試み |
| サブタイトル（和） | |
| タイトル（英） | Exploring Pre-captioning and Self-Rewarding for Image Change Description in Vision-Language Models |
| サブタイトル（英） | |
| キーワード(1)（和/英） | Pre-captioning / Pre-captioning |
| キーワード(2)（和/英） | 自己評価報酬 / Self Rewarding |
| キーワード(3)（和/英） | 下顎骨再建計画データ / mandibular reconstruction planning data |
| キーワード(4)（和/英） | / |
| 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） | 津守 陽太 / Tsumori Yota / ツモリ ヨウタ |
| 第1著者 所属（和/英） | 京都大学 (略称： 京大) Kyoto University (略称： Kyoto Univ.) |
| 第2著者 氏名（和/英/ヨミ） | 中尾 恵 / Megumi Nakao / ナカオ メグミ |
| 第2著者 所属（和/英） | 京都大学 (略称： 京大) Kyoto University (略称： Kyoto Univ.) |
| 第3著者 氏名（和/英/ヨミ） | 御手洗 彰 / Mitarai Sho / ミタライ ショウ |
| 第3著者 所属（和/英） | 京都大学 (略称： 京大) Kyoto University (略称： Kyoto Univ.) |
| 講演者 | 第1著者 |
| 発表日時 | 2026-06-23 13:50:00 |
| 発表時間 | 25分 |
| 申込先研究会 | MI |
| 資料番号 | SIP2026-30, BioX2026-30, IE2026-30, MI2026-30 |
| 巻番号（vol） | vol.126 |
| 号番号（no） | no.83(SIP), no.84(BioX), no.85(IE), no.86(MI) |
| ページ範囲 | pp.155-158 |
| ページ数 | 4 |
| 発行日 | 2026-06-15 (SIP, BioX, IE, MI) |
[研究会発表申込システムのトップページに戻る]