視覚言語モデルに基づく中国語手書き文字の美的評価

Abstract

中国語の学習における中国文字の手書きは、基本的な側面である。従来の自動評価手法では、採点を回帰問題として定式化することが多かった。しかし、スコアのみのフィードバックは、学習者が手書きの技能を向上させるための実行可能な助言を欠いており、その有効性を制限している。本論文では、視覚言語モデル（VLM）を活用して手書きの中国文字の品質を分析し、多段階のフィードバックを生成する。具体的には、2つのフィードバック生成タスク、すなわち単純な成績フィードバック（タスク1）と、豊富で記述的なフィードバック（タスク2）を検討する。さらに、美的評価に関する知識をVLMに統合するために、低ランク適応（LoRA）ベースの微調整戦略と、インコンテキスト学習手法の両方を探究する。実験結果は、本手法が、CCL 2025の「手書き中国文字品質の評価」に関するワークショップにおける複数の評価トラックで最先端の性能を達成することを示している。