論文の概要: Heterogeneous co-occurrence embedding for visual information exploration

• arxiv url: http://arxiv.org/abs/2508.17663v1
• Date: Mon, 25 Aug 2025 04:51:50 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-08-26 18:43:45.636416
• Title: Heterogeneous co-occurrence embedding for visual information exploration
• Title（参考訳）: 視覚情報探索のための異種共起埋め込み
• Authors: Takuro Ishida, Tetsuo Furukawa,
• Abstract要約: 異種領域の要素対間で共起確率が測定される場合を考える。 提案手法は、これらの不均一要素を対応する2次元潜在空間にマッピングし、ドメイン間の非対称関係の可視化を可能にする。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: This paper proposes an embedding method for co-occurrence data aimed at visual information exploration. We consider cases where co-occurrence probabilities are measured between pairs of elements from heterogeneous domains. The proposed method maps these heterogeneous elements into corresponding two-dimensional latent spaces, enabling visualization of asymmetric relationships between the domains. The key idea is to embed the elements in a way that maximizes their mutual information, thereby preserving the original dependency structure as much as possible. This approach can be naturally extended to cases involving three or more domains, using a generalization of mutual information known as total correlation. For inter-domain analysis, we also propose a visualization method that assigns colors to the latent spaces based on conditional probabilities, allowing users to explore asymmetric relationships interactively. We demonstrate the utility of the method through applications to an adjective-noun dataset, the NeurIPS dataset, and a subject-verb-object dataset, showcasing both intra- and inter-domain analysis.
• Abstract（参考訳）: 本稿では,視覚情報探索を目的とした共起データへの埋め込み手法を提案する。 異種領域の要素対間で共起確率が測定される場合を考える。 提案手法は、これらの不均一要素を対応する2次元潜在空間にマッピングし、ドメイン間の非対称関係の可視化を可能にする。 鍵となる考え方は、要素を相互情報を最大化して、元の依存関係構造を可能な限り保存する方法で埋め込むことである。 このアプローチは、全相関として知られる相互情報の一般化を用いて、3つ以上の領域を含むケースに自然に拡張することができる。 また、ドメイン間解析のために、条件付き確率に基づいて色を潜在空間に割り当て、非対称な関係を対話的に探索する可視化手法を提案する。 本研究では,形容詞-名詞データセット,NeurIPSデータセット,主語-動詞-オブジェクトデータセットへの応用を実演し,ドメイン内分析とドメイン間解析の両方を示す。

関連論文リスト

• Structure-Aware Correspondence Learning for Relative Pose Estimation [65.44234975976451]
  相対的なポーズ推定は、オブジェクトに依存しないポーズ推定を達成するための有望な方法を提供する。 既存の3D対応方式は、可視領域における小さな重複と、可視領域に対する信頼できない特徴推定に悩まされている。 本稿では,2つの鍵モジュールからなる相対詩推定のための構造認識対応学習手法を提案する。
  論文  参考訳（メタデータ） (2025-03-24T13:43:44Z)
• Graph Integration for Diffusion-Based Manifold Alignment [0.0]
  マルチモーダルデータ統合は、単一ソースデータと比較して情報コンテンツを豊かにすることができる。 マニフォールドアライメント(Manifold alignment)は、複数のデータソースの共有低次元表現を求めるデータ統合の一形態である。 本稿では,2つの半教師付き多様体アライメント手法を提案する。
  論文  参考訳（メタデータ） (2024-10-30T12:43:44Z)
• Comparing the information content of probabilistic representation spaces [3.7277730514654555]
  確率的表現空間はデータセットに関する情報を伝達し、トレーニングデータ、ネットワークアーキテクチャ、損失関数などの要因によって形成される。 一般確率表現空間を比較するための2つの情報理論尺度を提案する。 3つのケーススタディでこれらの尺度の有用性を実証する。
  論文  参考訳（メタデータ） (2024-05-31T17:33:07Z)
• Distributional Reduction: Unifying Dimensionality Reduction and Clustering with Gromov-Wasserstein [56.62376364594194]
  教師なし学習は、潜在的に大きな高次元データセットの基盤構造を捉えることを目的としている。 本研究では、最適輸送のレンズの下でこれらのアプローチを再検討し、Gromov-Wasserstein問題と関係を示す。 これにより、分散還元と呼ばれる新しい一般的なフレームワークが公開され、DRとクラスタリングを特別なケースとして回復し、単一の最適化問題内でそれらに共同で対処することができる。
  論文  参考訳（メタデータ） (2024-02-03T19:00:19Z)
• Pairwise-Constrained Implicit Functions for 3D Human Heart Modelling [60.56741715207466]
  我々は、心を相互依存型SDFの集合としてモデル化するペアワイズ拘束型SDFアプローチを導入する。 本手法は, 単SDF, UDF, ボクセルベース, セグメンテーションベースを用いて, 内部構造精度を大幅に向上させる。
  論文  参考訳（メタデータ） (2023-07-16T10:07:15Z)
• Opening the black-box of Neighbor Embedding with Hotelling's T2 statistic and Q-residuals [1.6058099298620425]
  隣接埋め込み(NE)技術は、高次元データの局所構造やトポロジーをよりよく保存する傾向がある。 しかし、局所的な構造を維持する能力は、解釈可能性の犠牲となる。 本稿では,データポイント群間の差別的特徴を識別する手法について述べる。
  論文  参考訳（メタデータ） (2022-09-05T14:33:42Z)
• Unsupervised Manifold Alignment with Joint Multidimensional Scaling [4.683612295430957]
  2つの異なる領域からのデータセットを共通の低次元ユークリッド空間にマッピングする関節多次元スケーリングを導入する。 本稿では,多次元スケーリング(MDS)とワッサーシュタイン・プロクリスト解析を共同最適化問題に統合する。 提案手法の有効性を,2つのデータセットの同時可視化,教師なし不均一領域適応,グラフマッチング,タンパク質構造アライメントなど,いくつかのアプリケーションで実証した。
  論文  参考訳（メタデータ） (2022-07-06T21:02:42Z)
• Modelling Neighbor Relation in Joint Space-Time Graph for Video Correspondence Learning [53.74240452117145]
  本稿では、ラベルなしビデオから信頼できる視覚対応を学習するための自己教師付き手法を提案する。 接続時空間グラフでは,ノードがフレームからサンプリングされたグリッドパッチであり,2種類のエッジによってリンクされる。 学習した表現は、様々な視覚的タスクにおいて最先端の自己監督手法よりも優れています。
  論文  参考訳（メタデータ） (2021-09-28T05:40:01Z)
• Data-Driven Learning of 3-Point Correlation Functions as Microstructure Representations [8.978973486638253]
  様々なミクロ構造が3点相関の簡潔な部分集合によって特徴づけられることを示す。 提案した表現は, 有効媒質理論に基づく材料特性の計算に利用することができる。
  論文  参考訳（メタデータ） (2021-09-06T06:15:57Z)
• Bayesian Sparse Factor Analysis with Kernelized Observations [67.60224656603823]
  多視点問題は潜在変数モデルに直面することができる。 高次元問題と非線形問題は伝統的にカーネルメソッドによって扱われる。 両アプローチを単一モデルにマージすることを提案する。
  論文  参考訳（メタデータ） (2020-06-01T14:25:38Z)

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。