説明可能なAIによる農業害虫診断

この論文は、大規模なビジョン-言語モデルとLLMを使用して農業害虫診断を行う、トレーニング不要の新しいフレームワーク（CPJ）を紹介しています。主な革新は、LLM-as-Judgeモジュールによって洗練された、構造化された解釈可能な画像キャプションを使用してVQAのパフォーマンスを向上させることです。このアプローチは、高コストのファインチューニングに依存し、ドメインシフトに苦労する既存の方法の限界に対処しています。CDDMBenchデータセットでの顕著なパフォーマンス向上は、堅牢で説明可能な農業診断におけるCPJの可能性を強調しています。

• •農業害虫診断のためのトレーニング不要のフレームワーク（CPJ）を提案。
• •画像キャプションと洗練のために、大規模なビジョン-言語モデルとLLMを利用。
• •CDDMBenchデータセットで大幅なパフォーマンス向上を達成。
• •診断のための透明でエビデンスに基づいた推論を提供。
• •高コストのファインチューニングを回避し、ドメインシフトの問題に対処するソリューションを提供。