画像全体に透かしを広げ、切り抜きや回転後の復号を狙うCASIAL
- CASは元画像に応じた特徴を選び、透かしの各ビットの情報を画像全体に広げる。
- IALは離れた位置の情報を関連付け、回転などで位置がずれた画像からの復号を助ける。
- 著者らは幾何変形6種で復号精度98.44％以上、評価した全16種の加工で平均99.40％と報告した。
RESEARCH BRIEFS
論文をさくっと読む
掲載済みの論文解説から、研究の要点を短く紹介します。
推薦理由を内部表現に学習し、理由文を生成せずに商品を予測するWhisperRec
- 教師が三つの視点から作る推薦理由を潜在トークンへ学習し、推薦時は理由文を生成せず商品の意味IDを出す。
- 産業データのSID@64はMerge設定で0.1993。著者らは比較したThink設定比17.44％、No-Think設定比9.33％の改善と報告する。
- 著者らはオンライン推論の処理件数が明示的な理由生成の10倍超と報告するが、確認できた本文の範囲では測定条件の詳細は分からない。
画像モデルの途中層を追い、未知画像の検出と分類を補う
- 同じ画像の各層を一つの経路として扱い、クラスに共通する変化と画像固有の変化を分ける。
- OpenOODの非飽和152組では、Mahalanobis++に経路得点を加えた131組でFPR95が低下した。
- 清浄画像の分類は72組中71組で改善したが、画像の乱れや領域変更での効果は条件によって異なる。
MIDIからギタータブ譜を作る：音符の区切りを明示し、音高に合う演奏位置を選ぶ
- 発音・消音を出力にも明示し、MIDIの各音に弦・フレット位置を割り当てる。
- 生成中に入力音高と合わない位置を除外し、残る演奏位置の曖昧さを調べる。
- DadaGPのみで学習・試験したタブ譜一致率は提案方式77.10%、Fretting Transformer 71.78%だった。
音声のどこが改変されたかを、根拠と時刻で示すThinkOmni
- 音声の真偽、改変区間、判断根拠をまとめて出力する。
- 学習用FACoTは8データ集合から集めた10万件で構成される。
- 著者の別データ評価では、真偽分類の平均正解率80.74％、F1値85.15％だった。
動作の軌跡で学び、画像と指示から動きを選ぶロボット制御
- 学習時の動作軌跡を分類し、その番号で専門モデルの振り分けを教える。
- 実行時には画像と文章指示だけから専門部分を選び、動作列を生成する。
- 著者の評価では、RoboTwinとDIYRobotの両方で比較モデルを上回る設定が示された。
名前が違う実装も探す、MediaWikiのコード検索
- 約129万件の関数、型、テンプレートを対象に、コード片から役割の近い実装を探す。
- 著者の27件評価でP@10は0.87、BM25は0.64だった。
- ノートPCでの応答時間中央値は1.85秒だが、公開環境の平均は約31秒と報告された。
聴取履歴から棚のテーマを生成し、実在する作品で満たすSpotify Homeの推薦方式
- 聴取傾向から棚の内容を自然文の仮説として作り、実在するカタログ作品で満たす。
- 掲載されたオフラインの総合判定平均は、生成型検索が0.71±0.02、BM25が0.56±0.02（0～2点）。
- 完成した棚は事前計算してHomeの表示候補に加える。初期オンライン評価での反応は作品種別によって異なった。
商品説明から可変長の識別子を作り、履歴から次の商品を順位付けするVaLiDRec
- 商品テキストからLLMの既存語を選び、内容に応じた長さの意味識別子を作る。
- 利用履歴から作るグラフの情報をLLMに渡し、識別子の語をまとめて採点して商品を順位付けする。
- 著者らは4分野の標準評価で比較手法を全指標で上回り、指定条件下でLC-Recの87.49倍の推論速度を報告した。
22層を4層に減らした多言語検索モデル、Bekko Embeddingの学習法と実測結果
- mmBERT-smallの22層を4層または13層に減らし、多言語の文章対と難しい負例を使って二段階で学習する。
- 著者の報告では、公式MMTEB Multilingual v2検索のnDCG@10はa8mが56.2、a25mが57.5。
- 同一条件の速度比較で、a8mはx86 CPU上でmultilingual-e5-smallの約1.6倍。実際の文書での品質と速度は導入前に測る必要がある。
古文書の転記ゆれを検索時に補い、記録間の関係をたどるGraphRAG
- 自然文の質問をCypher検索に変換し、古文書から構築した人物・場所・関係のグラフを調べる。
- 検索時に指定した名前や地名の類似表記を補い、転記ゆれによる完全一致検索の見落としに対応する。
- Esposallesの100問で評価した。実験のグラフ構築には正解の固有表現ラベルを使用している。
曲名の誤認と候補不足に対処する音楽推薦エージェント「Melo」
- Meloは五段階の処理で自然文の依頼を扱い、検索前の曲名照合と候補不足時の再試行を行う。
- 著者らの評価集合のうち曲名などを含む依頼では、誤認率が照合なしの17.4％から三層照合ありの9.6％になった。
- オンラインA/Bテストの結果はMuse Mixを追加した製品全体の比較であり、照合や再試行だけの効果を示すものではない。