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
- Hyperbolic Delaunay Geometric Alignment [52.835250875177756]
双曲空間におけるデータセットの比較のための類似度スコアを提案する。
中心となる考え方は、与えられた集合をまたいだデータポイントを接続する双曲デラウネーグラフのエッジを数えることである。
人工および実生活の生物学的データに関する実証的研究を行い、HyperDGAが集合間の古典的距離の双曲バージョンより優れていることを示す。
論文 参考訳(メタデータ) (2024-04-12T17:14:58Z) - 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) - Learning Continually on a Sequence of Graphs -- The Dynamical System Way [1.0965065178451106]
連続学習(英: Continual Learning, CL)とは、一連の相互関連タスクを回帰的あるいは分類的な意味で定義したタスクで学習する分野である。
本研究では,新しいタスク(一般化)を学習する行為と,以前に学習したタスク(フォーゲッティング)を記憶する2人プレイヤゲームを定式化する。
論文 参考訳(メタデータ) (2023-05-19T23:00:54Z) - Hyperbolic Graph Representation Learning: A Tutorial [39.25873010585029]
本チュートリアルは,このグラフ表現学習の新たな分野について,すべてのオーディエンスにアクセス可能なことを目的とした紹介を行う。
まず、グラフ表現学習といくつかの予備的および双曲幾何学について簡単な紹介を行う。
そして、それらを一般的なフレームワークに統合することで、現在の双曲グラフニューラルネットワークの技術詳細を包括的に再考する。
論文 参考訳(メタデータ) (2022-11-08T07:15:29Z) - 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。