論文の概要: Group Downsampling with Equivariant Anti-aliasing
- arxiv url: http://arxiv.org/abs/2504.17258v1
- Date: Thu, 24 Apr 2025 05:29:51 GMT
- ステータス: 翻訳完了
- システム内更新日: 2025-05-02 19:15:53.255862
- Title: Group Downsampling with Equivariant Anti-aliasing
- Title(参考訳): 同変アンチエイリアスによるグループダウンサンプリング
- Authors: Md Ashiqur Rahman, Raymond A. Yeh,
- Abstract要約: 群同変アーキテクチャに対する一様ダウンサンプリング層の一般化について検討する。
我々は、アンチエイリアスを持つ一般有限群上の信号(フィーチャーマップ)をサンプリングすることを目指している。
特に,本手法は,古典的なサンプリング理論に基づくダウンサンプリングの概念を一般化する。
- 参考スコア(独自算出の注目度): 11.912092139018885
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Downsampling layers are crucial building blocks in CNN architectures, which help to increase the receptive field for learning high-level features and reduce the amount of memory/computation in the model. In this work, we study the generalization of the uniform downsampling layer for group equivariant architectures, e.g., G-CNNs. That is, we aim to downsample signals (feature maps) on general finite groups with anti-aliasing. This involves the following: (a) Given a finite group and a downsampling rate, we present an algorithm to form a suitable choice of subgroup. (b) Given a group and a subgroup, we study the notion of bandlimited-ness and propose how to perform anti-aliasing. Notably, our method generalizes the notion of downsampling based on classical sampling theory. When the signal is on a cyclic group, i.e., periodic, our method recovers the standard downsampling of an ideal low-pass filter followed by a subsampling operation. Finally, we conducted experiments on image classification tasks demonstrating that the proposed downsampling operation improves accuracy, better preserves equivariance, and reduces model size when incorporated into G-equivariant networks
- Abstract(参考訳): ダウンサンプリングレイヤは、CNNアーキテクチャにおいて重要なビルディングブロックであり、高いレベルの特徴を学習するための受容領域を増やし、モデルにおけるメモリ/計算の量を減らすのに役立つ。
本研究では,群同変アーキテクチャ,例えばG-CNNに対する一様ダウンサンプリング層の一般化について検討する。
すなわち、アンチエイリアシングを持つ一般有限群上の信号(フィーチャーマップ)をサンプリングすることを目指している。
これは以下のとおりである。
(a)有限群とダウンサンプリング率を与えられた場合、部分群の適切な選択を行うアルゴリズムを提案する。
b) 群と部分群が与えられた場合,バンドリミテッドネスの概念を考察し,アンチエイリアシングの実施法を提案する。
特に,本手法は,古典的なサンプリング理論に基づくダウンサンプリングの概念を一般化する。
信号が周期群である場合、すなわち周期的に、理想的な低域フィルタの標準ダウンサンプリングを回収し、次にサブサンプリング操作を行う。
最後に,提案したダウンサンプリング操作により精度が向上し,等価性が向上し,G-同変ネットワークに組み込んだ場合のモデルサイズが小さくなることを示す画像分類タスクについて実験を行った。
関連論文リスト
- Enhancing Synthetic Oversampling for Imbalanced Datasets Using Proxima-Orion Neighbors and q-Gaussian Weighting Technique [0.16385815610837165]
不均衡なデータセットにおけるマイノリティクラスのインスタンス数を増やすための新しいオーバーサンプリングアルゴリズムを提案する。
我々は、相対距離重みと多数クラスインスタンスの密度推定の組み合わせに基づいて、すべての少数クラスのインスタンスの集合からプロキシとオリオンの2つのインスタンスを選択する。
提案手法の有効性を評価するため,KEELソフトウェアから抽出した42データセットとUCI MLリポジトリから抽出した8データセットについて総合的な実験を行った。
論文 参考訳(メタデータ) (2025-01-27T05:34:19Z) - The Transferability of Downsamped Sparse Graph Convolutional Networks [12.629928166637]
スパースランダムグラフモデルに基づく新しいダウンサンプリング手法を導入し、転送エラーに対する期待上界を導出する。
その結果,より小さいグラフサイズ,高い平均度,サンプリング率の増加が,この上限値の低減に寄与していることがわかった。
このモデルに空間的類似性と空間的類似性の両方を組み込むことにより、大規模なスパースグラフのトレーニングにおいて、ダウンサンプリングのための転送誤差の上限を確立する。
論文 参考訳(メタデータ) (2024-08-30T13:19:20Z) - Domain Generalization Guided by Gradient Signal to Noise Ratio of
Parameters [69.24377241408851]
ソースドメインへのオーバーフィッティングは、ディープニューラルネットワークの勾配に基づくトレーニングにおいて一般的な問題である。
本稿では,ネットワークパラメータの勾配-信号-雑音比(GSNR)を選択することを提案する。
論文 参考訳(メタデータ) (2023-10-11T10:21:34Z) - Sampling-Based Decomposition Algorithms for Arbitrary Tensor Networks [5.672132510411465]
テンソルを任意のテンソルネットワーク(TN)形式に分解するためのサンプリングベース交互最小二乗(ALS)アルゴリズムの開発方法について述べる。
特徴抽出実験において、サンプリングフレームワークを用いた2つのテンソル分解アルゴリズムを実装し、テストする。
論文 参考訳(メタデータ) (2022-10-07T21:46:26Z) - Undersampling is a Minimax Optimal Robustness Intervention in
Nonparametric Classification [28.128464387420216]
マイノリティグループサンプルの欠如によって学習が根本的に制約されていることを示す。
特にラベルシフトの場合、最小値のアンダーサンプリングアルゴリズムが常に存在することを示す。
論文 参考訳(メタデータ) (2022-05-26T00:35:11Z) - Toward Real-World Super-Resolution via Adaptive Downsampling Models [58.38683820192415]
本研究では,制約のある事前知識を伴わずに未知のサンプル処理をシミュレートする手法を提案する。
対の例を使わずに対象LR画像の分布を模倣する汎用化可能な低周波損失(LFL)を提案する。
論文 参考訳(メタデータ) (2021-09-08T06:00:32Z) - Does Adversarial Oversampling Help us? [10.210871872870737]
本稿では,データセットのクラス不均衡を処理するために,3人のプレイヤーによるゲームベースのエンドツーエンド手法を提案する。
本稿では,敵対的マイノリティ・オーバーサンプリングではなく,敵対的オーバーサンプリング (AO) とデータ空間・オーバーサンプリング (DO) のアプローチを提案する。
提案手法の有効性を高次元・高不均衡・大規模マルチクラスデータセットを用いて検証した。
論文 参考訳(メタデータ) (2021-08-20T05:43:17Z) - Correlation Clustering Reconstruction in Semi-Adversarial Models [70.11015369368272]
相関クラスタリングは多くのアプリケーションにおいて重要なクラスタリング問題である。
本研究では,ランダムノイズや対向的な修正によって崩壊した潜伏クラスタリングを再構築しようとする,この問題の再構築版について検討する。
論文 参考訳(メタデータ) (2021-08-10T14:46:17Z) - Group Equivariant Subsampling [60.53371517247382]
サブサンプリングは、プールやストライド畳み込みの形で畳み込みニューラルネットワーク(CNN)で使用される。
まず、正確な翻訳同変CNNを構築するために使用できる翻訳同変サブサンプリング/アップサンプリング層を導入する。
次に、これらの層を一般群への変換を超えて一般化し、したがって群同変部分サンプリング/アップサンプリングを提案する。
論文 参考訳(メタデータ) (2021-06-10T16:14:00Z) - Bandit Samplers for Training Graph Neural Networks [63.17765191700203]
グラフ畳み込みネットワーク(GCN)の訓練を高速化するために, ばらつきを低減したサンプリングアルゴリズムが提案されている。
これらのサンプリングアルゴリズムは、グラフ注意ネットワーク(GAT)のような固定重みよりも学習重量を含む、より一般的なグラフニューラルネットワーク(GNN)には適用できない。
論文 参考訳(メタデータ) (2020-06-10T12:48:37Z) - Ensemble Wrapper Subsampling for Deep Modulation Classification [70.91089216571035]
受信した無線信号のサブサンプリングは、ハードウェア要件と信号処理アルゴリズムの計算コストを緩和するために重要である。
本稿では,無線通信システムにおけるディープラーニングを用いた自動変調分類のためのサブサンプリング手法を提案する。
論文 参考訳(メタデータ) (2020-05-10T06:11:13Z) - A Group Norm Regularized Factorization Model for Subspace Segmentation [4.926716472066594]
本稿では,部分空間分割のためのLRRモデルにインスパイアされた群ノルム正規化因数分解モデル(GNRFM)を提案する。
具体的には、群ノルム正規化を採用し、係数行列の列をスパースにすることで、低ランクの目的を達成する。
従来のモデルやアルゴリズムと比較して、提案手法はより高速でノイズに強いため、最終的なクラスタリング結果の方が優れている。
論文 参考訳(メタデータ) (2020-01-08T15:20:51Z)
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。