論文の概要: Beyond Linear Bottlenecks: Spline-Based Knowledge Distillation for Culturally Diverse Art Style Classification

• arxiv url: http://arxiv.org/abs/2507.23436v1
• Date: Thu, 31 Jul 2025 11:16:00 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-08-01 17:19:09.613715
• Title: Beyond Linear Bottlenecks: Spline-Based Knowledge Distillation for Culturally Diverse Art Style Classification
• Title（参考訳）: リニア・ボトルネックを超えて:文化多言語アートスタイル分類のためのスプラインベース知識蒸留
• Authors: Abdellah Zakaria Sellam, Salah Eddine Bekhouche, Cosimo Distante, Abdelmalik Taleb-Ahmed,
• Abstract要約: アートスタイルの分類は、専門的にラベル付けされたデータセットの不足と、複雑な、しばしば非線形な相互作用要素が不足しているため、計算美学において非常に難しい課題である。 従来のガイダンスと予測ヘッドをKAN(Kolmogorov-Arnold Networks)に置き換えることで,これらの制限に対処する2つの教員知識蒸留フレームワークを強化する。 提案手法では, 局所的なテクスチャとブラシストロークパターンを強調し, 広義の階層を捉えるとともに, カンスのスプラインに基づくアクティベーションを利用して非線形特徴相関を数学的精度でモデル化する。
• 参考スコア（独自算出の注目度）: 7.086880417090634
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Art style classification remains a formidable challenge in computational aesthetics due to the scarcity of expertly labeled datasets and the intricate, often nonlinear interplay of stylistic elements. While recent dual-teacher self-supervised frameworks reduce reliance on labeled data, their linear projection layers and localized focus struggle to model global compositional context and complex style-feature interactions. We enhance the dual-teacher knowledge distillation framework to address these limitations by replacing conventional MLP projection and prediction heads with Kolmogorov-Arnold Networks (KANs). Our approach retains complementary guidance from two teacher networks, one emphasizing localized texture and brushstroke patterns, the other capturing broader stylistic hierarchies while leveraging KANs' spline-based activations to model nonlinear feature correlations with mathematical precision. Experiments on WikiArt and Pandora18k demonstrate that our approach outperforms the base dual teacher architecture in Top-1 accuracy. Our findings highlight the importance of KANs in disentangling complex style manifolds, leading to better linear probe accuracy than MLP projections.
• Abstract（参考訳）: アートスタイルの分類は、専門的にラベル付けされたデータセットの不足と、スタイリスティックな要素の複雑な、しばしば非線形な相互作用のために、計算美学において深刻な課題である。 最近の二重教師による自己教師型フレームワークはラベル付きデータへの依存を減らすが、その線形射影層と局所焦点は、グローバルな構成コンテキストと複雑なスタイル-機能相互作用をモデル化するのに苦労する。 従来のMLP予測と予測ヘッドをKAN(Kolmogorov-Arnold Networks)に置き換えることで,これらの制限に対処する。 提案手法は,局所的なテクスチャとブラシストロークパターンを強調した2つの教師ネットワークからの補完的指導を継続し,一方はより広いスタイル的階層を捉え,他方はカンスのスプラインに基づくアクティベーションを活用して非線形特徴相関を数学的精度でモデル化する。 WikiArtとPandora18kの実験は、私たちのアプローチがTop-1の精度で基礎的な二重教師アーキテクチャよりも優れていることを示した。 本研究は, 複素連接多様体におけるkansの重要性を強調し, MLPプロジェクションよりも線形プローブの精度が向上することを示した。

関連論文リスト

• Fuse Before Transfer: Knowledge Fusion for Heterogeneous Distillation [52.0297393822012]
  異質な教師と学生間の機能的知識の伝達を容易にするために,橋梁としてアシスタントモデルを導入する。 提案した設計原理の中では, クロスアーキテクチャ帰納バイアスとモジュール関数の利点を組み合わせたアシスタントモデルが提案されている。 提案手法は, CNN, ViT, 空間KDの同種モデルペアと任意の異種組み合わせを用いて評価する。
  論文  参考訳（メタデータ） (2024-10-16T08:02:49Z)
• Enhancing Compositional Generalization via Compositional Feature Alignment [14.289836081158615]
  我々は、既存の実世界の画像データセットから派生したCGベンチマークスイートであるCG-Benchを開発した。 簡単な2段階ファインタニング手法であるコンポジション・フィーチャーアライメント(CFA)を提案する。 CG-Bench for CLIP and DINOv2, two powerful pretrained vision foundation model。
  論文  参考訳（メタデータ） (2024-02-05T10:06:24Z)
• Self-supervised Learning of Dense Hierarchical Representations for Medical Image Segmentation [2.2265038612930663]
  本稿では,高密度下流タスクに適したボクセルワイド粗い表現を学習するための自己教師型フレームワークについて述べる。 我々は、複数のスケールから機能のコントリビューションのバランスをとるためのトレーニング戦略を考案し、学習された表現が粗い詳細ときめ細かい詳細の両方を捉えることを保証する。
  論文  参考訳（メタデータ） (2024-01-12T09:47:17Z)
• Symmetrical Bidirectional Knowledge Alignment for Zero-Shot Sketch-Based Image Retrieval [69.46139774646308]
  本稿ではゼロショットスケッチベース画像検索(ZS-SBIR)の問題点について検討する。 目に見えないカテゴリのスケッチをクエリとして使用して、同じカテゴリのイメージにマッチさせることが目的だ。 ゼロショットスケッチに基づく画像検索(SBKA)のための新しい対称双方向知識アライメントを提案する。
  論文  参考訳（メタデータ） (2023-12-16T04:50:34Z)
• GraphLearner: Graph Node Clustering with Fully Learnable Augmentation [76.63963385662426]
  Contrastive Deep Graph Clustering (CDGC)は、異なるクラスタにノードをグループ化するために、コントラスト学習のパワーを活用する。 我々は、GraphLearnerと呼ばれる、完全学習可能な拡張を備えたグラフノードクラスタリングを提案する。 学習可能な拡張器を導入し、CDGCのための高品質でタスク固有の拡張サンプルを生成する。
  論文  参考訳（メタデータ） (2022-12-07T10:19:39Z)
• Weakly Supervised Semantic Segmentation via Alternative Self-Dual Teaching [82.71578668091914]
  本稿では,分類とマスク・リファインメント・コンポーネントを統合された深層モデルに組み込む,コンパクトな学習フレームワークを確立する。 本稿では,高品質な知識相互作用を促進するために,新たな自己双対学習(ASDT)機構を提案する。
  論文  参考訳（メタデータ） (2021-12-17T11:56:56Z)
• Dual-constrained Deep Semi-Supervised Coupled Factorization Network with Enriched Prior [80.5637175255349]
  本稿では、DS2CF-Netと呼ばれる、拡張された事前制約付きDual-Constrained Deep Semi-Supervised Coupled Factorization Networkを提案する。 隠れた深い特徴を抽出するために、DS2CF-Netは、深い構造と幾何学的な構造に制約のあるニューラルネットワークとしてモデル化される。 我々のネットワークは、表現学習とクラスタリングのための最先端の性能を得ることができる。
  論文  参考訳（メタデータ） (2020-09-08T13:10:21Z)
• Tensor Graph Convolutional Networks for Multi-relational and Robust Learning [74.05478502080658]
  本稿では,テンソルで表されるグラフの集合に関連するデータから,スケーラブルな半教師付き学習(SSL)を実現するためのテンソルグラフ畳み込みネットワーク(TGCN)を提案する。 提案アーキテクチャは、標準的なGCNと比較して大幅に性能が向上し、最先端の敵攻撃に対処し、タンパク質間相互作用ネットワーク上でのSSL性能が著しく向上する。
  論文  参考訳（メタデータ） (2020-03-15T02:33:21Z)

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。