Fugu-MT 論文翻訳(概要): Equivariant Representation Learning via Class-Pose Decomposition

論文の概要: Equivariant Representation Learning via Class-Pose Decomposition

arxiv url: http://arxiv.org/abs/2207.03116v1
Date: Thu, 7 Jul 2022 06:55:52 GMT
ステータス: 処理完了
システム内更新日: 2022-07-09 00:04:14.059490
Title: Equivariant Representation Learning via Class-Pose Decomposition
Title（参考訳）: クラスパス分解による等変表現学習
Authors: Giovanni Luca Marchetti, Gustaf Tegn\'er, Anastasiia Varava, Danica Kragic
Abstract要約: データの対称性に同値な表現を学習するための一般的な方法を提案する。中心的な考え方は、不変因子と対称性群自身で潜在空間を分解することである。コンポーネントは、それぞれ固有のデータクラスとポーズに意味的に対応します。
参考スコア（独自算出の注目度）: 17.032782230538388
License: http://creativecommons.org/licenses/by/4.0/
Abstract: We introduce a general method for learning representations that are equivariant to symmetries of data. The central idea is to to decompose the latent space in an invariant factor and the symmetry group itself. The components semantically correspond to intrinsic data classes and poses respectively. The learner is self-supervised and infers these semantics based on relative symmetry information. The approach is motivated by theoretical results from group theory and guarantees representations that are lossless, interpretable and disentangled. We empirically investigate the approach via experiments involving datasets with a variety of symmetries. Results show that our representations capture the geometry of data and outperform other equivariant representation learning frameworks.
Abstract（参考訳）: データの対称性に同値な表現を学習するための一般的な方法を提案する。中心的な考え方は、不変因子と対称性群自身で潜在空間を分解することである。コンポーネントは、それぞれ固有のデータクラスとポーズに意味的に対応します。学習者は自己教師され、相対対称性情報に基づいてこれらの意味を推測する。このアプローチは群論の理論的結果によって動機付けられ、損失のない、解釈可能で、絡み合った表現を保証する。我々は,様々な対称性を持つデータセットを含む実験を通じて,そのアプローチを実証的に検討する。その結果,我々の表現はデータの幾何を捉え,他の等変表現学習フレームワークよりも優れていた。

関連論文リスト

Symmetry Discovery for Different Data Types [52.2614860099811]
等価ニューラルネットワークは、そのアーキテクチャに対称性を取り入れ、より高度な一般化性能を実現する。本稿では,タスクの入出力マッピングを近似したトレーニングニューラルネットワークによる対称性発見手法であるLieSDを提案する。我々は,2体問題,慣性行列予測のモーメント,トップクォークタグ付けといった課題におけるLieSDの性能を検証した。
論文参考訳（メタデータ） (2024-10-13T13:39:39Z)
SymmetryLens: A new candidate paradigm for unsupervised symmetry learning via locality and equivariance [0.0]
我々は、生データから始まる新しい教師なし対称性学習法を開発した。この対称性と局所性の結合は,エントロピー推定のために開発された特別な最適化手法とともに,高度に安定なシステムをもたらすことを実証する。私たちが考える対称性の作用は群表現であるが、このアプローチは非可換リー群のより一般的な非線形作用に一般化される可能性があると信じている。
論文参考訳（メタデータ） (2024-10-07T17:40:51Z)
Symmetry From Scratch: Group Equivariance as a Supervised Learning Task [1.8570740863168362]
対称性を持つ機械学習データセットにおいて、対称性の破れとの後方互換性のパラダイムは、同変のアーキテクチャ制約を緩和することであった。機械学習モデルにおける同値化を誘導する手法である対称性閉包を導入する。
論文参考訳（メタデータ） (2024-10-05T00:44:09Z)
Current Symmetry Group Equivariant Convolution Frameworks for Representation Learning [5.802794302956837]
ユークリッドの深層学習はしばしば、表現空間が不規則で複雑な位相で湾曲した実世界の信号に対処するのに不十分である。我々は、対称性群同変深層学習モデルの重要性と、グラフや3次元形状、非ユークリッド空間における畳み込みのような操作の実現に焦点を当てる。
論文参考訳（メタデータ） (2024-09-11T15:07:18Z)
Algebras of actions in an agent's representations of the world [51.06229789727133]
我々は、対称性に基づく非交叉表現学習形式から対称性に基づく表現を再現するために、我々のフレームワークを使用する。次に、簡単な強化学習シナリオで発生する特徴を持つ世界の変換の代数について研究する。私たちが開発した計算手法を用いて、これらの世界の変換の代数を抽出し、それらの性質に応じてそれらを分類する。
論文参考訳（メタデータ） (2023-10-02T18:24:51Z)
Evaluating the Robustness of Interpretability Methods through Explanation Invariance and Equivariance [72.50214227616728]
解釈可能性法は、それらの説明が説明されたモデルを忠実に記述した場合にのみ有用である。特定の対称性群の下で予測が不変であるニューラルネットワークを考える。
論文参考訳（メタデータ） (2023-04-13T17:59:03Z)
Deep Learning Symmetries and Their Lie Groups, Algebras, and Subalgebras from First Principles [55.41644538483948]
ラベル付きデータセットに存在する連続した対称性群の検出と同定のためのディープラーニングアルゴリズムを設計する。完全に接続されたニューラルネットワークを用いて、変換対称性と対応するジェネレータをモデル化する。また,Lie群とその性質の数学的研究に機械学習アプローチを使うための扉を開く。
論文参考訳（メタデータ） (2023-01-13T16:25:25Z)
Equivariant Representation Learning in the Presence of Stabilizers [13.11108596589607]
EquIN は自由でない群作用、すなわち非自明な対称性によってデータを安定化する群作用に適している。 EquIN は理論上、群論の軌道安定化定理に基礎を置いている。
論文参考訳（メタデータ） (2023-01-12T11:43:26Z)
On the Symmetries of Deep Learning Models and their Internal Representations [1.418465438044804]
我々は、モデルのファミリーのアーキテクチャから生じる対称性と、そのファミリーの内部データ表現の対称性を結びつけることを目指している。我々の研究は、ネットワークの対称性が、そのネットワークのデータ表現の対称性に伝播されることを示唆している。
論文参考訳（メタデータ） (2022-05-27T22:29:08Z)
Commutative Lie Group VAE for Disentanglement Learning [96.32813624341833]
本研究では,データに表される因子の変動を同変的に反映する基盤構造を見いだすこととして,非絡み合い学習を考察する。グループベースの非絡み合い学習を実現するために、Communative Lie Group VAEというシンプルなモデルが導入された。実験により,本モデルでは,教師なしの非絡み合い表現を効果的に学習し,余分な制約を伴わずに最先端のパフォーマンスを達成できることが示されている。
論文参考訳（メタデータ） (2021-06-07T07:03:14Z)
Meta-Learning Symmetries by Reparameterization [63.85144439337671]
データから対応するパラメータ共有パターンを学習し、等価性をネットワークに学習し、符号化する手法を提案する。本実験は,画像処理タスクで使用される共通変換に等価性をエンコードして自動的に学習できることを示唆する。
論文参考訳（メタデータ） (2020-07-06T17:59:54Z)

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。