Fugu-MT 論文翻訳(概要): Multimodal Datasets with Controllable Mutual Information

論文の概要: Multimodal Datasets with Controllable Mutual Information

arxiv url: http://arxiv.org/abs/2510.21686v1
Date: Fri, 24 Oct 2025 17:44:40 GMT
ステータス: 翻訳完了
システム内更新日: 2025-10-28 09:00:15.560485
Title: Multimodal Datasets with Controllable Mutual Information
Title（参考訳）: 制御可能な相互情報を用いたマルチモーダルデータセット
Authors: Raheem Karim Hashmani, Garrett W. Merz, Helen Qu, Mariel Pettee, Kyle Cranmer,
Abstract要約: モダリティ間の相互情報を明確に計算可能な高マルチモーダルデータセットを生成するためのフレームワークを提案する。ベンチマークデータセットは、相互情報推定器とマルチモーダル自己教師型学習技術に関する体系的な研究のための新しいテストベッドを提供する。
参考スコア（独自算出の注目度）: 2.793572214592379
License: http://creativecommons.org/licenses/by/4.0/
Abstract: We introduce a framework for generating highly multimodal datasets with explicitly calculable mutual information between modalities. This enables the construction of benchmark datasets that provide a novel testbed for systematic studies of mutual information estimators and multimodal self-supervised learning techniques. Our framework constructs realistic datasets with known mutual information using a flow-based generative model and a structured causal framework for generating correlated latent variables.
Abstract（参考訳）: 本稿では,モダリティ間の相互情報を明確に計算可能な高マルチモーダルデータセットを生成するフレームワークを提案する。これにより、相互情報推定器とマルチモーダル自己教師型学習技術の体系的な研究のための新しいテストベッドを提供するベンチマークデータセットの構築が可能になる。本フレームワークは,フローベース生成モデルと相関変数を生成するための構造的因果関係フレームワークを用いて,相互情報を持つ現実的なデータセットを構築する。

関連論文リスト

Factor Analysis with Correlated Topic Model for Multi-Modal Data [0.0]
マルチモーダル因子分析(FA)は、単純なデータモダリティに基づく変動の共有軸を明らかにする。 FAは、テキストや単一セルシークエンシングデータのような構造化データモダリティには適していない。本稿では,FAと相関するトピックモデリングを組み合わせた新しい多視点・多構造ベイズモデルであるFACTMを紹介し,変分推論を用いて最適化する。
論文参考訳（メタデータ） (2025-04-26T13:02:53Z)
Multiple Heads are Better than One: Mixture of Modality Knowledge Experts for Entity Representation Learning [51.80447197290866]
高品質なマルチモーダル実体表現を学習することは、マルチモーダル知識グラフ(MMKG)表現学習の重要な目標である。既存の手法は、エレガントなエンティティワイドマルチモーダル融合戦略の構築に重点を置いている。適応型マルチモーダルな実体表現を学習するために,Mixture of Modality Knowledge Expert (MoMoK) を用いた新しいフレームワークを提案する。
論文参考訳（メタデータ） (2024-05-27T06:36:17Z)
StableLLaVA: Enhanced Visual Instruction Tuning with Synthesized Image-Dialogue Data [129.92449761766025]
本稿では,視覚的インストラクションチューニングのための画像と対話を同期的に合成する新しいデータ収集手法を提案する。このアプローチは生成モデルのパワーを活用し、ChatGPTとテキスト・ツー・イメージ生成モデルの能力とを結合する。本研究は,各種データセットを対象とした総合的な実験を含む。
論文参考訳（メタデータ） (2023-08-20T12:43:52Z)
TSGM: A Flexible Framework for Generative Modeling of Synthetic Time Series [61.436361263605114]
時系列データは、研究者と産業組織間のデータの共有を妨げるため、しばしば不足または非常に敏感である。本稿では,合成時系列の生成モデリングのためのオープンソースフレームワークである時系列生成モデリング(TSGM)を紹介する。
論文参考訳（メタデータ） (2023-05-19T10:11:21Z)
Continual Multimodal Knowledge Graph Construction [62.77243705682985]
現在のマルチモーダル知識グラフ構築(MKGC)モデルは、絶え間なく出現する実体と関係の現実的なダイナミズムに苦慮している。本研究では,連続的なMKGCドメインの開発を促進するためのベンチマークを紹介する。マルチメディアデータ処理における既存のMKGCアプローチの欠点を克服するMSPTフレームワークを導入する。
論文参考訳（メタデータ） (2023-05-15T14:58:28Z)
Shared and Private Information Learning in Multimodal Sentiment Analysis with Deep Modal Alignment and Self-supervised Multi-Task Learning [8.868945335907867]
本稿では、モーダル間の共有情報を取得するための深いモーダル共有情報学習モジュールを提案する。また、自己教師付き学習戦略に基づくラベル生成モジュールを使用して、モダリティのプライベート情報をキャプチャする。当社のアプローチは,3つの公開データセットの指標のほとんどにおいて,最先端の手法よりも優れています。
論文参考訳（メタデータ） (2023-05-15T09:24:48Z)
Quantifying & Modeling Multimodal Interactions: An Information Decomposition Framework [89.8609061423685]
本稿では,入力モーダル性と出力タスクを関連付けた冗長性,特異性,シナジーの度合いを定量化する情報理論手法を提案する。 PID推定を検証するために、PIDが知られている合成データセットと大規模マルチモーダルベンチマークの両方で広範な実験を行う。本研究では,(1)マルチモーダルデータセット内の相互作用の定量化,(2)マルチモーダルモデルで捉えた相互作用の定量化,(3)モデル選択の原理的アプローチ,(4)実世界のケーススタディの3つにその有用性を示す。
論文参考訳（メタデータ） (2023-02-23T18:59:05Z)
Learning Structured Latent Factors from Dependent Data:A Generative Model Framework from Information-Theoretic Perspective [18.88255368184596]
本稿では,潜在空間における様々な基盤構造を持つ生成モデル学習のための新しいフレームワークを提案する。我々のモデルは、様々なタイプの望まれる構造を反映した意味論的に意味のある潜在因子の集合を学習するための原則化されたアプローチを提供する。
論文参考訳（メタデータ） (2020-07-21T06:59:29Z)
Relating by Contrasting: A Data-efficient Framework for Multimodal Generative Models [86.9292779620645]
生成モデル学習のための対照的なフレームワークを開発し、モダリティ間の共通性だけでなく、「関連」と「関連しない」マルチモーダルデータの区別によってモデルを訓練することができる。提案手法では, 生成モデルを用いて, 関係のないサンプルから関連サンプルを正確に識別し, ラベルのない多モードデータの利用が可能となる。
論文参考訳（メタデータ） (2020-07-02T15:08:11Z)

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。