論文の概要: The 1st International Workshop on Disentangled Representation Learning for Controllable Generation (DRL4Real): Methods and Results

• arxiv url: http://arxiv.org/abs/2509.10463v1
• Date: Fri, 15 Aug 2025 16:35:41 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-09-21 06:05:45.731435
• Title: The 1st International Workshop on Disentangled Representation Learning for Controllable Generation (DRL4Real): Methods and Results
• Title（参考訳）: 第1回異方性表現学習国際ワークショップ(DRL4Real):方法と成果
• Authors: Qiuyu Chen, Xin Jin, Yue Song, Xihui Liu, Shuai Yang, Tao Yang, Ziqiang Li, Jianguo Huang, Yuntao Wei, Ba'ao Xie, Nicu Sebe, Wenjun, Zeng, Jooyeol Yun, Davide Abati, Mohamed Omran, Jaegul Choo, Amir Habibian, Auke Wiggers, Masato Kobayashi, Ning Ding, Toru Tamaki, Marzieh Gheisari, Auguste Genovesio, Yuheng Chen, Dingkun Liu, Xinyao Yang, Xinping Xu, Baicheng Chen, Dongrui Wu, Junhao Geng, Lexiang Lv, Jianxin Lin, Hanzhe Liang, Jie Zhou, Xuanxin Chen, Jinbao Wang, Can Gao, Zhangyi Wang, Zongze Li, Bihan Wen, Yixin Gao, Xiaohan Pan, Xin Li, Zhibo Chen, Baorui Peng, Zhongming Chen, Haoran Jin,
• Abstract要約: 本稿では,ICCV 2025と共同で開催されている制御可能生成のための分散表現学習(DRL4Real)の第1回国際ワークショップをレビューする。 DRL4Realは、制御可能生成、モデルの堅牢性、解釈可能性、一般化の進歩を探究するなど、実用的な応用におけるDRL手法の評価に重点を置いている。 ワークショップでは、新しい誘導バイアス(言語など)の統合、DRLへの拡散モデルの適用、3D認識のゆがみ、自律運転や脳波分析のような専門分野へのDRLの拡張など、幅広いトピックをカバーする9つの論文を受理した。
• 参考スコア（独自算出の注目度）: 132.86866727471093
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: This paper reviews the 1st International Workshop on Disentangled Representation Learning for Controllable Generation (DRL4Real), held in conjunction with ICCV 2025. The workshop aimed to bridge the gap between the theoretical promise of Disentangled Representation Learning (DRL) and its application in realistic scenarios, moving beyond synthetic benchmarks. DRL4Real focused on evaluating DRL methods in practical applications such as controllable generation, exploring advancements in model robustness, interpretability, and generalization. The workshop accepted 9 papers covering a broad range of topics, including the integration of novel inductive biases (e.g., language), the application of diffusion models to DRL, 3D-aware disentanglement, and the expansion of DRL into specialized domains like autonomous driving and EEG analysis. This summary details the workshop's objectives, the themes of the accepted papers, and provides an overview of the methodologies proposed by the authors.
• Abstract（参考訳）: 本稿では,ICCV 2025と共同で開催されている制御可能生成のための分散表現学習(DRL4Real)の第1回国際ワークショップをレビューする。 このワークショップは、DRL(Disentangled Representation Learning)の理論的な約束と、合成ベンチマークを超えて現実的なシナリオにおけるその応用とのギャップを埋めることを目的としていた。 DRL4Realは、制御可能生成、モデルの堅牢性、解釈可能性、一般化の進歩を探究するなど、実用的な応用におけるDRL手法の評価に重点を置いている。 ワークショップでは、新しい帰納バイアス(例えば、言語)の統合、DRLへの拡散モデルの適用、3D認識のゆがみ、自律運転や脳波分析などの専門分野へのDRLの拡張など、幅広いトピックに関する9つの論文を受理した。 この概要はワークショップの目的、受理された論文のテーマを詳述し、著者らが提案した方法論の概要を提供する。

関連論文リスト

• Inverse Reinforcement Learning Meets Large Language Model Post-Training: Basics, Advances, and Opportunities [62.05713042908654]
  本稿では,逆強化学習(IRL)のレンズによる大規模言語モデル(LLM)のアライメントの進歩について概観する。 我々は、人間のデータからニューラル報酬モデルを構築する必要性を強調し、このパラダイムシフトの形式的および実践的意味について議論する。
  論文  参考訳（メタデータ） (2025-07-17T14:22:24Z)
• Disentangled Representation Learning [46.51815065323667]
  Disentangled Representation Learning (DRL) は、観測可能なデータに隠された基礎的要因を表現形式で識別し、切り離すことができるモデルを学習することを目的としている。 我々は、モチベーション、定義、方法論、評価、応用、モデル設計を含む様々な側面からDRLを包括的に調査する。
  論文  参考訳（メタデータ） (2022-11-21T18:14:38Z)
• Pessimistic Model Selection for Offline Deep Reinforcement Learning [56.282483586473816]
  深層強化学習(DRL)は多くのアプリケーションにおいてシーケンシャルな意思決定問題を解決する大きな可能性を示している。 主要な障壁の1つは、DRLが学んだ政策の一般化性の低下につながる過度に適合する問題である。 理論的保証のあるオフラインDRLに対する悲観的モデル選択(PMS)手法を提案する。
  論文  参考訳（メタデータ） (2021-11-29T06:29:49Z)

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。