Fugu-MT 論文翻訳(概要): Geodesics in fibered latent spaces: A geometric approach to learning correspondences between conditions

論文の概要: Geodesics in fibered latent spaces: A geometric approach to learning correspondences between conditions

arxiv url: http://arxiv.org/abs/2005.07852v3
Date: Sun, 27 Dec 2020 11:46:48 GMT
ステータス: 翻訳完了
システム内更新日: 2022-12-02 13:07:47.634273
Title: Geodesics in fibered latent spaces: A geometric approach to learning correspondences between conditions
Title（参考訳）: ファイバー潜在空間における測地学--条件間の対応学習への幾何学的アプローチ
Authors: Tariq Daouda, Reda Chhaibi, Prudencio Tossou, Alexandra-Chlo\'e Villani
Abstract要約: この研究は、異なる条件のサンプル間の対応を作成するための幾何学的枠組みと新しいネットワークアーキテクチャを導入する。この形式の下では、潜伏空間は、条件を符号化する基底空間に成層化されたファイバー束であり、条件の変動を符号化するファイバー空間である。
参考スコア（独自算出の注目度）: 62.997667081978825
License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
Abstract: This work introduces a geometric framework and a novel network architecture for creating correspondences between samples of different conditions. Under this formalism, the latent space is a fiber bundle stratified into a base space encoding conditions, and a fiber space encoding the variations within conditions. Furthermore, this latent space is endowed with a natural pull-back metric. The correspondences between conditions are obtained by minimizing an energy functional, resulting in diffeomorphism flows between fibers. We illustrate this approach using MNIST and Olivetti and benchmark its performances on the task of batch correction, which is the problem of integrating multiple biological datasets together.
Abstract（参考訳）: この研究は、異なる条件のサンプル間の対応を作成するための幾何学的枠組みと新しいネットワークアーキテクチャを導入する。この形式の下では、潜在空間は、条件を符号化する基底空間と条件内の変動を符号化するファイバー空間に成層化されたファイバー束である。さらに、この潜在空間には自然な引き戻し距離が与えられる。条件間の対応はエネルギー汎関数を最小化し、繊維間の微分同相流をもたらす。本稿では、mnistとolivettiを用いてこのアプローチを説明し、複数の生物学的データセットを統合する問題であるバッチ補正タスクの性能をベンチマークする。

関連論文リスト

GMapLatent: Geometric Mapping in Latent Space [51.317738404571514]
エンコーダ-デコーダAIアーキテクチャに基づくドメイン間の生成モデルは、現実的な画像の生成に大きな注目を集めている。幾何学的マッピングに基づく正準潜在空間表現を導入し、領域間潜在空間を厳密かつ正確に整列する。グレースケールおよびカラー画像の実験は、GMapLatentの有効性、有効性および適用性を検証する。
論文参考訳（メタデータ） (2025-03-30T12:02:36Z)
Technical Report: Aggregation on Learnable Manifolds for Asynchronous Federated Optimization [0.0]
フェデレートラーニング(FL)において、クライアントモデルのサーバ側集約に対する最大の課題は、損失ランドスケープ幾何学と計算能力の両方において不均一性である。本稿では,これらの問題に対処する新しい非同期FLフレームワークであるAsyncManifoldを提案する。本提案では,一般形式の収束証明を伴い,非線形モード接続に沿って集約を行う概念実証である局所挙動の探索的研究を通じて動機づけた。
論文参考訳（メタデータ） (2025-03-18T16:36:59Z)
ARC-Flow : Articulated, Resolution-Agnostic, Correspondence-Free Matching and Interpolation of 3D Shapes Under Flow Fields [4.706075725469252]
本研究は、2つの3次元調音形状間の物理的可視性の教師なし予測のための統一的な枠組みを示す。ニューラル正規微分方程式(ODE)が支配する滑らかな時間変化流れ場を用いた微分同相変換として補間をモデル化する対応性は, パラメータ化の異なる高忠実度曲面に有効である, 効率的なバリアフォールド定式化を用いて回復する。
論文参考訳（メタデータ） (2025-03-04T13:28:05Z)
Modeling All Response Surfaces in One for Conditional Search Spaces [69.90317997694218]
本稿では,すべての部分空間の応答曲面をモデル化する新しい手法を提案する。本稿では,様々な部分空間から異なる構造を持つ構成を統一された特徴空間に投影できる注目型深層特徴抽出器を提案する。
論文参考訳（メタデータ） (2025-01-08T03:56:06Z)
Approximate Fiber Product: A Preliminary Algebraic-Geometric Perspective on Multimodal Embedding Alignment [1.3824176915623292]
画像テキスト検索や生成などのマルチモーダルタスクでは、様々なモダリティから共有表現空間にデータを埋め込む必要がある。本稿では,代数をマルチモーダル表現学習に統合する試みについて述べる。
論文参考訳（メタデータ） (2024-11-30T06:45:13Z)
Thinner Latent Spaces: Detecting dimension and imposing invariance through autoencoder gradient constraints [9.380902608139902]
ネットワークの潜在層内の直交関係を利用して、非線形多様体データセットの内在次元性を推定できることを示す。微分幾何学に依拠する関係理論を概説し、対応する勾配偏光最適化アルゴリズムについて述べる。
論文参考訳（メタデータ） (2024-08-28T20:56:35Z)
Grounding Continuous Representations in Geometry: Equivariant Neural Fields [26.567143650213225]
そこで我々は,幾何インフォームド・クロスアテンションを用いた新しいCNFアーキテクチャを提案する。このアプローチは、フィールドと潜伏剤の両方を幾何学的にグラウンド化することによって、ステアビリティ特性を誘導することを示す。分類,セグメンテーション,予測,再構築など,様々なタスクにおいて,これらの主な特性を検証する。
論文参考訳（メタデータ） (2024-06-09T12:16:30Z)
IME: Integrating Multi-curvature Shared and Specific Embedding for Temporal Knowledge Graph Completion [97.58125811599383]
時間的知識グラフ(TKG)は時間次元を取り入れており、知識の進化を正確に捉えることができる。本稿では,TKGCタスクのための新しい多曲率共有固有埋め込み(IME)モデルを提案する。 IMEは2つの重要な性質、すなわち空間共有性と空間固有性を含んでいる。
論文参考訳（メタデータ） (2024-03-28T23:31:25Z)
Neural Latent Geometry Search: Product Manifold Inference via Gromov-Hausdorff-Informed Bayesian Optimization [21.97865037637575]
我々は、この新しい定式化を数学的に定義し、ニューラル潜在幾何探索(NLGS)として作成する。計量幾何学からのグロモフ・ハウスドルフ距離に基づいて、候補潜在測地間の距離の新たな概念を提案する。次に、潜在測地間の滑らかさの概念に基づいてグラフ探索空間を設計し、その計算を帰納バイアスとして利用する。
論文参考訳（メタデータ） (2023-09-09T14:29:22Z)
Geometric Neural Diffusion Processes [55.891428654434634]
拡散モデルの枠組みを拡張して、無限次元モデリングに一連の幾何学的先行を組み込む。これらの条件で、生成関数モデルが同じ対称性を持つことを示す。
論文参考訳（メタデータ） (2023-07-11T16:51:38Z)
Few Shot Generative Model Adaption via Relaxed Spatial Structural Alignment [130.84010267004803]
限られたデータでGAN(Generative Adversarial Network)を訓練することは難しい課題である。実現可能な解決策は、大規模なソースドメインで十分に訓練されたGANから始め、ターゲットドメインにいくつかのサンプルで適応することである。本研究では,適応時の対象生成モデルのキャリブレーションを行うための緩和された空間構造アライメント手法を提案する。
論文参考訳（メタデータ） (2022-03-06T14:26:25Z)
Deep Networks on Toroids: Removing Symmetries Reveals the Structure of Flat Regions in the Landscape Geometry [3.712728573432119]
我々は、すべての対称性を除去し、トロイダルトポロジーをもたらす標準化されたパラメータ化を開発する。最小化器の平坦性とそれらの接続する測地線経路の有意義な概念を導出する。また、勾配勾配の変種によって発見された最小化器は、ゼロエラー経路と1つの曲がり角で接続可能であることも見いだした。
論文参考訳（メタデータ） (2022-02-07T09:57:54Z)
A Unifying and Canonical Description of Measure-Preserving Diffusions [60.59592461429012]
ユークリッド空間における測度保存拡散の完全なレシピは、最近、いくつかのMCMCアルゴリズムを単一のフレームワークに統合した。我々は、この構成を任意の多様体に改善し一般化する幾何学理論を開発する。
論文参考訳（メタデータ） (2021-05-06T17:36:55Z)
Foundations of Population-Based SHM, Part IV: The Geometry of Spaces of Structures and their Feature Spaces [0.0]
本稿では,構造ヘルスモニタリングにおける特徴空間の抽象的理論に必要な幾何学的構造について述べる。論文の第2部では、特徴バンドルの正常状態断面を決定する問題に対処する。このソリューションは、ユークリッドでない機械学習アルゴリズムであるグラフニューラルネットワーク(GNN)の応用によって提供される。
論文参考訳（メタデータ） (2021-03-05T13:28:51Z)
Local Propagation in Constraint-based Neural Network [77.37829055999238]
ニューラルネットワークアーキテクチャの制約に基づく表現について検討する。本稿では,いわゆるアーキテクチャ制約を満たすのに適した簡単な最適化手法について検討する。
論文参考訳（メタデータ） (2020-02-18T16:47:38Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。