論文の概要: QClusformer: A Quantum Transformer-based Framework for Unsupervised Visual Clustering

• arxiv url: http://arxiv.org/abs/2405.19722v2
• Date: Wed, 7 Aug 2024 07:28:02 GMT
• ステータス: 処理完了
• システム内更新日: 2024-08-08 15:15:51.322319
• Title: QClusformer: A Quantum Transformer-based Framework for Unsupervised Visual Clustering
• Title（参考訳）: QClusformer: 教師なしビジュアルクラスタリングのための量子トランスフォーマーベースのフレームワーク
• Authors: Xuan-Bac Nguyen, Hoang-Quan Nguyen, Samuel Yen-Chi Chen, Samee U. Khan, Hugh Churchill, Khoa Luu,
• Abstract要約: 我々は、量子マシンを活用し、教師なしの視覚クラスタリング問題に対処する先駆的なTransformerベースのフレームワークであるQClusformerを紹介した。 具体的には、量子の観点から、自己アテンションモジュールやトランスフォーマーブロックを含むトランスフォーマーアーキテクチャを設計する。 本稿では、教師なし視覚クラスタリングタスクに適したTransformerアーキテクチャに基づく変種であるQClusformerを提案する。
• 参考スコア（独自算出の注目度）: 10.579074820490188
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Unsupervised vision clustering, a cornerstone in computer vision, has been studied for decades, yielding significant outcomes across numerous vision tasks. However, these algorithms involve substantial computational demands when confronted with vast amounts of unlabeled data. Conversely, quantum computing holds promise in expediting unsupervised algorithms when handling large-scale databases. In this study, we introduce QClusformer, a pioneering Transformer-based framework leveraging quantum machines to tackle unsupervised vision clustering challenges. Specifically, we design the Transformer architecture, including the self-attention module and transformer blocks, from a quantum perspective to enable execution on quantum hardware. In addition, we present QClusformer, a variant based on the Transformer architecture, tailored for unsupervised vision clustering tasks. By integrating these elements into an end-to-end framework, QClusformer consistently outperforms previous methods running on classical computers. Empirical evaluations across diverse benchmarks, including MS-Celeb-1M and DeepFashion, underscore the superior performance of QClusformer compared to state-of-the-art methods.
• Abstract（参考訳）: コンピュータビジョンの基盤である教師なしの視覚クラスタリングは、何十年にもわたって研究され、多くの視覚タスクにおいて大きな成果を上げてきた。 しかし、これらのアルゴリズムは大量のラベルのないデータに直面したとき、かなりの計算要求を伴う。 逆に、量子コンピューティングは、大規模データベースを扱う際に、教師なしアルゴリズムの高速化を約束する。 本研究では、量子マシンを活用し、教師なしの視覚クラスタリング問題に対処する先駆的なTransformerベースのフレームワークであるQClusformerを紹介する。 具体的には、量子ハードウェア上での実行を可能にするために、自己アテンションモジュールやトランスフォーマーブロックを含むトランスフォーマーアーキテクチャを量子の観点から設計する。 さらに、教師なし視覚クラスタリングタスクに適したTransformerアーキテクチャに基づく変種であるQClusformerを提案する。 これらの要素をエンドツーエンドのフレームワークに統合することで、QClusformerは古典的なコンピュータ上で動作する従来の手法より一貫して優れている。 MS-Celeb-1MやDeepFashionを含む様々なベンチマークにおける実証的な評価は、最先端の手法と比較してQClusformerの優れた性能を裏付けている。

関連論文リスト

• Quantum Vision Transformers for Quark-Gluon Classification [3.350407101925898]
  本稿では,変分量子回路を統合したハイブリッド型量子古典視覚変換器アーキテクチャを提案する。 CMS Open Dataのマルチ検出器ジェット画像にモデルを適用し,本手法の評価を行った。
  論文  参考訳（メタデータ） (2024-05-16T17:45:54Z)
• A Framework for Demonstrating Practical Quantum Advantage: Racing Quantum against Classical Generative Models [62.997667081978825]
  生成モデルの一般化性能を評価するためのフレームワークを構築した。 古典的および量子生成モデル間の実用的量子優位性(PQA)に対する最初の比較レースを確立する。 以上の結果から,QCBMは,他の最先端の古典的生成モデルよりも,データ制限方式の方が効率的であることが示唆された。
  論文  参考訳（メタデータ） (2023-03-27T22:48:28Z)
• Vision Transformer with Quadrangle Attention [76.35955924137986]
  窓面に基づく注意を一般的な四角形定式化に拡張する新しい四角形注意法(QA)を提案する。 提案手法では,既定のウィンドウを対象の四角形に変換するために,変換行列を予測し,エンドツーエンドで学習可能な四角形回帰モジュールを用いる。 QAをプレーンかつ階層的な視覚変換器に統合し、QFormerという名の新しいアーキテクチャを作成します。
  論文  参考訳（メタデータ） (2023-03-27T11:13:50Z)
• The Basis of Design Tools for Quantum Computing: Arrays, Decision Diagrams, Tensor Networks, and ZX-Calculus [55.58528469973086]
  量子コンピュータは、古典的コンピュータが決して起こらない重要な問題を効率的に解決することを約束する。 完全に自動化された量子ソフトウェアスタックを開発する必要がある。 この研究は、今日のツールの"内部"の外観を提供し、量子回路のシミュレーション、コンパイル、検証などにおいてこれらの手段がどのように利用されるかを示す。
  論文  参考訳（メタデータ） (2023-01-10T19:00:00Z)
• Quantum artificial vision for defect detection in manufacturing [0.0]
  ノイズ中間スケール量子(NISQ)デバイスを用いた量子コンピュータビジョンのアルゴリズムについて検討する。 私たちはそれらを、彼らの古典的な問題に対する真の問題としてベンチマークします。 これは製造ラインにおける産業関連の問題に対する量子コンピュータビジョンシステムの最初の実装である。
  論文  参考訳（メタデータ） (2022-08-09T18:30:23Z)
• SupermarQ: A Scalable Quantum Benchmark Suite [3.6806897290408305]
  SupermarQはスケーラブルでハードウェアに依存しない量子ベンチマークスイートで、アプリケーションレベルのメトリクスを使用してパフォーマンスを測定する。 SupermarQは、古典的なベンチマーク手法から量子領域への手法を体系的に適用する最初の試みである。 量子ベンチマークは、オープンソースで常に進化しているベンチマークスイート上に構築された、大規模なコミュニティ間の取り組みを包含することを期待しています。
  論文  参考訳（メタデータ） (2022-02-22T17:24:07Z)
• Quantum circuit architecture search on a superconducting processor [56.04169357427682]
  変分量子アルゴリズム(VQA)は、ファイナンス、機械学習、化学といった様々な分野において、証明可能な計算上の優位性を得るための強力な証拠を示している。 しかし、現代のVQAで利用されるアンザッツは、表現性と訓練性の間のトレードオフのバランスをとることができない。 8量子ビット超伝導量子プロセッサ上でVQAを強化するために,効率的な自動アンサッツ設計技術を適用した最初の実証実験を実証する。
  論文  参考訳（メタデータ） (2022-01-04T01:53:42Z)
• Tensor Network Quantum Virtual Machine for Simulating Quantum Circuits at Exascale [57.84751206630535]
  本稿では,E-scale ACCelerator(XACC)フレームワークにおける量子回路シミュレーションバックエンドとして機能する量子仮想マシン(TNQVM)の近代化版を提案する。 新バージョンは汎用的でスケーラブルなネットワーク処理ライブラリであるExaTNをベースにしており、複数の量子回路シミュレータを提供している。 ポータブルなXACC量子プロセッサとスケーラブルなExaTNバックエンドを組み合わせることで、ラップトップから将来のエクサスケールプラットフォームにスケール可能なエンドツーエンドの仮想開発環境を導入します。
  論文  参考訳（メタデータ） (2021-04-21T13:26:42Z)
• Generation of High-Resolution Handwritten Digits with an Ion-Trap Quantum Computer [55.41644538483948]
  本稿では, 量子回路に基づく生成モデルを構築し, 生成逆数ネットワークの事前分布を学習し, サンプル化する。 我々は、このハイブリッドアルゴリズムを171ドルのYb$+$ ion qubitsに基づいてイオントラップデバイスでトレーニングし、高品質な画像を生成する。
  論文  参考訳（メタデータ） (2020-12-07T18:51:28Z)

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。