論文の概要: Taylor expansion-based Kolmogorov-Arnold network for blind image quality assessment

• arxiv url: http://arxiv.org/abs/2505.21592v1
• Date: Tue, 27 May 2025 14:29:35 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-05-29 17:35:50.194555
• Title: Taylor expansion-based Kolmogorov-Arnold network for blind image quality assessment
• Title（参考訳）: Taylor拡張に基づくブラインド画像品質評価のためのKolmogorov-Arnoldネットワーク
• Authors: Ze Chen, Shaode Yu,
• Abstract要約: Kolmogorov-Arnold Network (KAN) はその強力な関数近似能力への関心が高まっている。 これらのモデルは高次元特徴を処理する際に問題に遭遇し、性能の向上が制限され、計算コストが増大する。 本稿では,Taylorの拡張を学習可能なアクティベーション関数として活用し,局所近似能力を向上するTaylorKANを提案する。
• 参考スコア（独自算出の注目度）: 0.5064404027153093
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Kolmogorov-Arnold Network (KAN) has attracted growing interest for its strong function approximation capability. In our previous work, KAN and its variants were explored in score regression for blind image quality assessment (BIQA). However, these models encounter challenges when processing high-dimensional features, leading to limited performance gains and increased computational cost. To address these issues, we propose TaylorKAN that leverages the Taylor expansions as learnable activation functions to enhance local approximation capability. To improve the computational efficiency, network depth reduction and feature dimensionality compression are integrated into the TaylorKAN-based score regression pipeline. On five databases (BID, CLIVE, KonIQ, SPAQ, and FLIVE) with authentic distortions, extensive experiments demonstrate that TaylorKAN consistently outperforms the other KAN-related models, indicating that the local approximation via Taylor expansions is more effective than global approximation using orthogonal functions. Its generalization capacity is validated through inter-database experiments. The findings highlight the potential of TaylorKAN as an efficient and robust model for high-dimensional score regression.
• Abstract（参考訳）: Kolmogorov-Arnold Network (KAN) はその強力な関数近似能力への関心が高まっている。 前報では, ブラインド画像品質評価(BIQA)のスコアレグレッションについて検討した。 しかし、これらのモデルは高次元特徴を処理する際に困難に直面するため、性能の向上が制限され、計算コストが増大する。 そこで我々はTaylorKANを提案する。Taylorの拡張を学習可能なアクティベーション関数として活用し,局所近似能力を向上する。 計算効率を向上させるため、TaylorKANベースのスコア回帰パイプラインにネットワーク深さの低減と特徴次元圧縮を統合する。 真の歪みを伴う5つのデータベース(BID, CLIVE, KonIQ, SPAQ, FLIVE)において、TaylorKAN が他の Kan 関連モデルより一貫して優れており、Taylor 拡張による局所近似が直交関数を用いた大域近似よりも効果的であることを示している。 その一般化能力はデータベース間実験によって検証される。 この結果は,高次元スコアレグレッションの効率的かつ堅牢なモデルとしてTaylorKANの可能性を浮き彫りにした。

関連論文リスト

• Low Tensor-Rank Adaptation of Kolmogorov--Arnold Networks [70.06682043272377]
  コルモゴロフ-アルノルドネットワーク(KAN)は、様々な領域における多層知覚(MLP)の代替としての可能性を示した。 微調整カンのためのローテンソルランク適応(LoTRA)を開発した。 微調整カンによる様々な偏微分方程式(PDE)を効率的に解くためのLoTRAの適用について検討する。
  論文  参考訳（メタデータ） (2025-02-10T04:57:07Z)
• A Survey on Kolmogorov-Arnold Network [0.0]
  Kolmogorov-Arnold Networks(KAN)の理論的基礎、進化、応用、そして将来の可能性 Kanは、固定活性化関数の代わりに学習可能なスプラインパラメータ化関数を使用することで、従来のニューラルネットワークと区別する。 本稿では,最近のニューラルアーキテクチャにおけるkanの役割を強調し,データ集約型アプリケーションにおける計算効率,解釈可能性,拡張性を改善するための今後の方向性を概説する。
  論文  参考訳（メタデータ） (2024-11-09T05:54:17Z)
• Exploring Kolmogorov-Arnold networks for realistic image sharpness assessment [0.7402155503097928]
  Kolmogorov-Arnoldネットワーク(KAN)が開発され、データフィッティングにおいて顕著な成功を収めた。 そこで本研究では,TaylorKAN(TaylorKAN)を用いて15の中間レベル特徴と2048の高レベル特徴を用いてスコアを予測する。
  論文  参考訳（メタデータ） (2024-09-12T05:35:37Z)
• A Method on Searching Better Activation Functions [15.180864683908878]
  深層ニューラルネットワークにおける静的活性化関数を設計するためのエントロピーに基づくアクティベーション関数最適化(EAFO)手法を提案する。 我々は、CRRELU(Correction Regularized ReLU)として知られるReLUから新しいアクティベーション関数を導出する。
  論文  参考訳（メタデータ） (2024-05-19T03:48:05Z)
• Chebyshev Polynomial-Based Kolmogorov-Arnold Networks: An Efficient Architecture for Nonlinear Function Approximation [0.0]
  本稿では,Chebyshev Kolmogorov-Arnoldの定理に触発された新しいニューラルネットワークアーキテクチャであるChebyshev Kolmogorov-Arnold Networkについて述べる。 ネットワークのエッジ上でChebyshevによってパラメータ化された学習可能な関数を利用することで、Chebyshev Kansは関数近似タスクの柔軟性、効率、解釈性を向上させる。
  論文  参考訳（メタデータ） (2024-05-12T07:55:43Z)
• Promises and Pitfalls of the Linearized Laplace in Bayesian Optimization [73.80101701431103]
  線形化ラプラス近似(LLA)はベイズニューラルネットワークの構築に有効で効率的であることが示されている。 ベイズ最適化におけるLLAの有用性について検討し,その性能と柔軟性を強調した。
  論文  参考訳（メタデータ） (2023-04-17T14:23:43Z)
• DeepDC: Deep Distance Correlation as a Perceptual Image Quality Evaluator [53.57431705309919]
  ImageNet Pre-trained Deep Neural Network (DNN)は、効果的な画像品質評価(IQA)モデルを構築するための顕著な転送性を示す。 我々は,事前学習DNN機能のみに基づく新しいフル参照IQA(FR-IQA)モデルを開発した。 5つの標準IQAデータセット上で,提案した品質モデルの優位性を示すため,包括的実験を行った。
  論文  参考訳（メタデータ） (2022-11-09T14:57:27Z)
• Adaptive LASSO estimation for functional hidden dynamic geostatistical model [69.10717733870575]
  関数型隠れ統計モデル(f-HD)のためのペナル化極大推定器(PMLE)に基づく新しいモデル選択アルゴリズムを提案する。 このアルゴリズムは反復最適化に基づいており、適応最小限の収縮・セレクタ演算子(GMSOLAS)ペナルティ関数を用いており、これは不給付のf-HD最大線量推定器によって得られる。
  論文  参考訳（メタデータ） (2022-08-10T19:17:45Z)

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。