論文の概要: TopoBenchmarkX: A Framework for Benchmarking Topological Deep Learning

• arxiv url: http://arxiv.org/abs/2406.06642v1
• Date: Sun, 9 Jun 2024 18:31:19 GMT
• ステータス: 処理完了
• システム内更新日: 2024-06-12 20:44:57.211320
• Title: TopoBenchmarkX: A Framework for Benchmarking Topological Deep Learning
• Title（参考訳）: TopoBenchmarkX: トポロジカルディープラーニングのベンチマークフレームワーク
• Authors: Lev Telyatnikov, Guillermo Bernardez, Marco Montagna, Pavlo Vasylenko, Ghada Zamzmi, Mustafa Hajij, Michael T Schaub, Nina Miolane, Simone Scardapane, Theodore Papamarkou,
• Abstract要約: TopoBenchmarkXは、トポロジカルディープラーニング(TDL)の研究を標準化し、加速するライブラリである。 TDLパイプラインをデータ読み込みと処理、モデルトレーニング、最適化、評価のための独立したモジュールコンポーネントのシーケンスにマッピングする。
• 参考スコア（独自算出の注目度）: 11.413120938048412
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: This work introduces TopoBenchmarkX, a modular open-source library designed to standardize benchmarking and accelerate research in Topological Deep Learning (TDL). TopoBenchmarkX maps the TDL pipeline into a sequence of independent and modular components for data loading and processing, as well as model training, optimization, and evaluation. This modular organization provides flexibility for modifications and facilitates the adaptation and optimization of various TDL pipelines. A key feature of TopoBenchmarkX is that it allows for the transformation and lifting between topological domains. This enables, for example, to obtain richer data representations and more fine-grained analyses by mapping the topology and features of a graph to higher-order topological domains such as simplicial and cell complexes. The range of applicability of TopoBenchmarkX is demonstrated by benchmarking several TDL architectures for various tasks and datasets.
• Abstract（参考訳）: TopoBenchmarkXは、トポロジカルディープラーニング(TDL)の研究を標準化し、加速するために設計されたモジュラーオープンソースライブラリである。 TopoBenchmarkXは、TDLパイプラインをデータ読み込みと処理、モデルトレーニング、最適化、評価のための独立したモジュールコンポーネントのシーケンスにマッピングする。 このモジュール化された組織は、変更の柔軟性を提供し、様々なTDLパイプラインの適応と最適化を容易にする。 TopoBenchmarkXの重要な機能は、トポロジカルドメイン間の変換とリフトを可能にすることだ。 これにより、例えば、グラフの位相と特徴をsimplicialやcell complexのような高階の位相領域にマッピングすることで、よりリッチなデータ表現とよりきめ細かな解析を得ることができる。 TopoBenchmarkXの適用範囲は、さまざまなタスクやデータセットに対して、いくつかのTDLアーキテクチャをベンチマークすることで実証されている。

関連論文リスト

• EpiCoder: Encompassing Diversity and Complexity in Code Generation [49.170195362149386]
  抽象構文木(AST)にヒントを得た新しい特徴木ベース合成フレームワークを提案する。 コードの構文構造をキャプチャするASTとは異なり、私たちのフレームワークはコード要素間のセマンティックな関係をモデル化します。 広く使われているベースモデルを微調整してEpiCoderシリーズを作成し、関数レベルとファイルレベルの両方で最先端のパフォーマンスを実現しました。
  論文  参考訳（メタデータ） (2025-01-08T18:58:15Z)
• Towards Interactive Deepfake Analysis [40.0271474912034]
  本稿では,マルチモーダル大言語モデル(MLLM)の命令チューニングによる対話型ディープフェイク解析の探索を目的とする。 これらの課題に対処するために,(1)DFA-Instructと呼ばれるインストラクションフォローデータセットを実現するGPT支援データ構築プロセス,(2)DFA-Benchというベンチマーク,(3)DFA-GPTと呼ばれる対話型ディープフェイク分析システムをコミュニティの強力なベースラインとして構築する深度検出・深度分類・アーティファクト記述におけるMLLMの能力を包括的に評価することを目的とした,DFA-Benchというベンチマークを導入する。
  論文  参考訳（メタデータ） (2025-01-02T09:34:11Z)
• Automating Data Science Pipelines with Tensor Completion [4.956678070210018]
  我々はテンソル補完の例としてデータサイエンスパイプラインをモデル化する。 目標は、可変値のすべての組み合わせに対応するテンソルの欠落する全てのエントリを特定することである。 既存の手法と提案手法を多種多様なデータセットで広く評価する。
  論文  参考訳（メタデータ） (2024-10-08T22:34:08Z)
• BabelBench: An Omni Benchmark for Code-Driven Analysis of Multimodal and Multistructured Data [61.936320820180875]
  大規模言語モデル(LLM)は、様々な領域でますます重要になっている。 BabelBenchは、コード実行によるマルチモーダルなマルチ構造化データ管理におけるLLMの熟練度を評価する革新的なベンチマークフレームワークである。 BabelBenchの実験結果から,ChatGPT 4のような最先端モデルでさえ,大幅な改善の余地があることが示唆された。
  論文  参考訳（メタデータ） (2024-10-01T15:11:24Z)
• A Refreshed Similarity-based Upsampler for Direct High-Ratio Feature Upsampling [54.05517338122698]
  一般的な類似性に基づく機能アップサンプリングパイプラインが提案されている。 本稿では,セマンティック・アウェアとディテール・アウェアの両方の観点から,明示的に制御可能なクエリキー機能アライメントを提案する。 我々は,モーザイクアーティファクトを緩和する上ではシンプルだが有効であるHR特徴に対して,きめ細かな近傍選択戦略を開発する。
  論文  参考訳（メタデータ） (2024-07-02T14:12:21Z)
• DARG: Dynamic Evaluation of Large Language Models via Adaptive Reasoning Graph [70.79413606968814]
  本稿では,適応推論グラフ展開(DARG)によるLCMの動的評価を導入し,複雑性と多様性を制御した現在のベンチマークを動的に拡張する。 具体的には、まず現在のベンチマークでデータポイントの推論グラフを抽出し、それから推論グラフを摂動させて新しいテストデータを生成する。 このような新しく生成されたテストサンプルは、元のベンチマークと同様の言語的多様性を維持しながら、複雑さのレベルが異なる可能性がある。
  論文  参考訳（メタデータ） (2024-06-25T04:27:53Z)
• Strengthening structural baselines for graph classification using Local Topological Profile [0.0]
  本稿では,グラフ分類に広く用いられている構造的ベースラインを形成するトポロジカルグラフ記述子Local Degree Profile (LDP) の解析について述べる。 そこで我々は,新たな集中度尺度と局所記述子を用いて LDP を拡張したローカルトポロジカルプロファイル (adam) と呼ばれる新しいベースラインアルゴリズムを提案する。
  論文  参考訳（メタデータ） (2023-05-01T08:59:58Z)
• BREEDS: Benchmarks for Subpopulation Shift [98.90314444545204]
  本研究では,人口変動に対するモデルのロバスト性を評価する手法を開発した。 既存のデータセットの基盤となるクラス構造を利用して、トレーニングとテストの分散を構成するデータサブポピュレーションを制御する。 この手法をImageNetデータセットに適用し、様々な粒度のサブポピュレーションシフトベンチマークスイートを作成する。
  論文  参考訳（メタデータ） (2020-08-11T17:04:47Z)
• Alpha-Refine: Boosting Tracking Performance by Precise Bounding Box Estimation [87.53808756910452]
  そこで我々は,Alpha-Refineと呼ばれる新しい,フレキシブルで高精度な改良モジュールを提案する。 正確なピクセルワイド相関層と空間認識の非局所層を利用して特徴を融合させ、バウンディングボックス、コーナー、マスクの3つの相補的な出力を予測する。 提案するAlpha-Refineモジュールは,DiMP,ATOM,SiamRPN++,RTMDNet,ECOの5つの有名かつ最先端のベーストラッカーに適用する。
  論文  参考訳（メタデータ） (2020-07-04T07:02:25Z)
• Unsupervised Learning Consensus Model for Dynamic Texture Videos Segmentation [12.462608802359936]
  動的テクスチャのセグメンテーションのための効果的な教師なし学習コンセンサスモデルを提案する。 提案モデルでは,分類対象画素の周辺部における再量子化局所2値パターン(LBP)ヒストグラムの値の集合を特徴として用いた。 挑戦的なSynthDBデータセットで実施された実験は、ULCMが大幅に高速で、コーディングが簡単で、単純で、パラメータが限られていることを示している。
  論文  参考訳（メタデータ） (2020-06-29T16:40:59Z)

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。