論文の概要: Hyperbolic Geometry in Computer Vision: A Survey
- arxiv url: http://arxiv.org/abs/2304.10764v1
- Date: Fri, 21 Apr 2023 06:22:16 GMT
- ステータス: 処理完了
- システム内更新日: 2023-04-24 15:38:20.272631
- Title: Hyperbolic Geometry in Computer Vision: A Survey
- Title（参考訳）: コンピュータビジョンにおける双曲幾何学:調査
- Authors: Pengfei Fang, Mehrtash Harandi, Trung Le, Dinh Phung
- Abstract要約: 本稿では,コンピュータビジョン応用のための双曲空間について,これまでかつ最も最新の文献レビューを行う。
はじめに双曲幾何学の背景について紹介し、続いて視覚的応用の文脈において双曲空間の幾何学的先行性を持つアルゴリズムを包括的に研究した。
- 参考スコア（独自算出の注目度）: 37.76526815020212
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Hyperbolic geometry, a Riemannian manifold endowed with constant sectional
negative curvature, has been considered an alternative embedding space in many
learning scenarios, \eg, natural language processing, graph learning, \etc, as
a result of its intriguing property of encoding the data's hierarchical
structure (like irregular graph or tree-likeness data). Recent studies prove
that such data hierarchy also exists in the visual dataset, and investigate the
successful practice of hyperbolic geometry in the computer vision (CV) regime,
ranging from the classical image classification to advanced model adaptation
learning. This paper presents the first and most up-to-date literature review
of hyperbolic spaces for CV applications. To this end, we first introduce the
background of hyperbolic geometry, followed by a comprehensive investigation of
algorithms, with geometric prior of hyperbolic space, in the context of visual
applications. We also conclude this manuscript and identify possible future
directions.
- Abstract（参考訳）: 定区間の負曲率を持つリーマン多様体である双曲幾何学は、データの階層構造(不規則グラフや木のようなデータなど)を符号化する興味深い性質の結果として、多くの学習シナリオにおいて代替的な埋め込み空間として考えられている。
近年の研究では、このようなデータ階層が視覚データセットにも存在し、古典的画像分類から高度なモデル適応学習まで、コンピュータビジョン(cv)環境における双曲幾何学の成功した実践を検証している。
本稿では,CV 用ハイパーボリック空間について,最新の文献を初めて紹介する。
この目的のために、まず双曲幾何学の背景を紹介し、続いて視覚的応用の文脈において双曲空間に先立つ幾何学的なアルゴリズムを包括的に研究する。
また、この写本を結論付け、将来の可能性を探る。
関連論文リスト
- Geometry Distributions [51.4061133324376]
本稿では,分布として幾何学をモデル化する新しい幾何学的データ表現を提案する。
提案手法では,新しいネットワークアーキテクチャを用いた拡散モデルを用いて表面点分布の学習を行う。
本研究では,多種多様な対象に対して質的かつ定量的に表現を評価し,その有効性を実証した。
論文 参考訳（メタデータ） (2024-11-25T04:06:48Z) - Shedding Light on Problems with Hyperbolic Graph Learning [2.3743504594834635]
グラフ機械学習文学における近年の論文は、双曲表現学習に多くのアプローチを導入している。
現在、双曲グラフ表現学習の分野を注意深く見ていく。
多くの論文では,アルゴリズム構築時にベースラインの厳密な提示に失敗し,ミスリード指標を用いてグラフデータセットの幾何を定量化している。
論文 参考訳（メタデータ） (2024-11-11T03:12:41Z) - Dissecting embedding method: learning higher-order structures from data [0.0]
データ学習のための幾何学的深層学習法は、しばしば特徴空間の幾何学に関する仮定のセットを含む。
これらの仮定と、データが離散的で有限であるという仮定は、いくつかの一般化を引き起こし、データとモデルの出力の間違った解釈を生み出す可能性がある。
論文 参考訳（メタデータ） (2024-10-14T08:19:39Z) - Weighted Embeddings for Low-Dimensional Graph Representation [0.13499500088995461]
グラフを重み付き空間に埋め込むことを提案し、これは双曲幾何学と密接に関連しているが数学的には単純である。
重み付き埋め込みは、より少ない次元を使いながら、異質グラフに対する最先端のユークリッド埋め込みを著しく上回ることを示す。
論文 参考訳（メタデータ） (2024-10-08T13:41:03Z) - A Survey of Geometric Graph Neural Networks: Data Structures, Models and
Applications [67.33002207179923]
本稿では、幾何学的GNNに関するデータ構造、モデル、および応用について調査する。
幾何学的メッセージパッシングの観点から既存のモデルの統一的なビューを提供する。
また、方法論開発と実験評価の後の研究を促進するために、アプリケーションと関連するデータセットを要約する。
論文 参考訳（メタデータ） (2024-03-01T12:13:04Z) - Improving embedding of graphs with missing data by soft manifolds [51.425411400683565]
グラフ埋め込みの信頼性は、連続空間の幾何がグラフ構造とどの程度一致しているかに依存する。
我々は、この問題を解決することができる、ソフト多様体と呼ばれる新しい多様体のクラスを導入する。
グラフ埋め込みにソフト多様体を用いることで、複雑なデータセット上のデータ解析における任意のタスクを追求するための連続空間を提供できる。
論文 参考訳（メタデータ） (2023-11-29T12:48:33Z) - Geometry Contrastive Learning on Heterogeneous Graphs [50.58523799455101]
本稿では,幾何学コントラスト学習(Geometry Contrastive Learning, GCL)と呼ばれる,新しい自己指導型学習手法を提案する。
GCLはユークリッドと双曲的な視点からヘテロジニアスグラフを同時に見ることができ、リッチな意味論と複雑な構造をモデル化する能力の強い融合を目指している。
4つのベンチマークデータセットの大規模な実験は、提案手法が強いベースラインよりも優れていることを示している。
論文 参考訳（メタデータ） (2022-06-25T03:54:53Z) - Enhancing Hyperbolic Graph Embeddings via Contrastive Learning [7.901082408569372]
複数の双曲空間を通してノード表現を学習する新しいハイパーボリックグラフコントラスト学習(HGCL)フレームワークを提案する。
複数の実世界のデータセットに対する実験結果は、提案したHGCLの優位性を示している。
論文 参考訳（メタデータ） (2022-01-21T06:10:05Z) - Hermitian Symmetric Spaces for Graph Embeddings [0.0]
C 上の対称行列空間におけるグラフの連続表現を学ぶ。
これらの空間は双曲部分空間とユークリッド部分空間を同時に認めるリッチな幾何学を提供する。
提案するモデルは, apriori のグラフ特徴を見積もることなく, まったく異なる配置に自動的に適応することができる。
論文 参考訳（メタデータ） (2021-05-11T18:14:52Z) - Quadric hypersurface intersection for manifold learning in feature space [52.83976795260532]
適度な高次元と大きなデータセットに適した多様体学習技術。
この手法は、二次超曲面の交点という形で訓練データから学習される。
テスト時、この多様体は任意の新しい点に対する外れ値スコアを導入するのに使うことができる。
論文 参考訳（メタデータ） (2021-02-11T18:52:08Z)
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。
指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。