Fugu-MT 論文翻訳(概要): Fair Indivisible Payoffs through Shapley Value

論文の概要: Fair Indivisible Payoffs through Shapley Value

arxiv url: http://arxiv.org/abs/2510.24906v1
Date: Tue, 28 Oct 2025 19:18:07 GMT
ステータス: 翻訳完了
システム内更新日: 2025-10-30 15:50:44.703198
Title: Fair Indivisible Payoffs through Shapley Value
Title（参考訳）: 共有価値による公平な分割不可能な支払い
Authors: Mikołaj Czarnecki, Michał Korniak, Oskar Skibski, Piotr Skowron,
Abstract要約: 我々は、大連立の価値が自然数である無分別連立ゲームにおけるペイオフ分割の問題を考える。この数字は、議会議席、腎臓交換、あるいは機械学習モデルの結果に寄与する最上位の特徴など、一定の量の不可分な対象を表す。本稿では,これらのオブジェクトをプレーヤ間で分割する公平な方法を提案する。
参考スコア（独自算出の注目度）: 8.367606798990613
License: http://creativecommons.org/licenses/by/4.0/
Abstract: We consider the problem of payoff division in indivisible coalitional games, where the value of the grand coalition is a natural number. This number represents a certain quantity of indivisible objects, such as parliamentary seats, kidney exchanges, or top features contributing to the outcome of a machine learning model. The goal of this paper is to propose a fair method for dividing these objects among players. To achieve this, we define the indivisible Shapley value and study its properties. We demonstrate our proposed technique using three case studies, in particular, we use it to identify key regions of an image in the context of an image classification task.
Abstract（参考訳）: 我々は、大連立の価値が自然数である無分別連立ゲームにおけるペイオフ分割の問題を考える。この数字は、議会議席、腎臓交換、あるいは機械学習モデルの結果に寄与する最上位の特徴など、一定の量の不可分な対象を表す。本研究の目的は,これらのオブジェクトをプレーヤ間で分割する公平な方法を提案することである。これを達成するために、分割不能なシェープ値を定義し、その性質について研究する。本稿では,3つのケーススタディを用いて,画像分類タスクの文脈における画像の重要領域を特定する手法を提案する。

関連論文リスト

Shapley Value Approximation Based on k-Additive Games [21.023521613326654]
シェープリー値(Shapley value)は、支払いを複数のエージェントに分けなければならない公平な分割問題に対する一般的な解である。その人気と公理的な正当化にもかかわらず、Shapleyの値は、関係するエンティティの数と指数関数的にスケールする計算複雑性に悩まされている。我々は、$k$-additive surrogateゲームに適合する新しい近似法であるSVA$k_textADD$を提案する。
論文参考訳（メタデータ） (2025-02-07T08:52:57Z)
Evaluating the Fairness of Discriminative Foundation Models in Computer Vision [51.176061115977774]
本稿では,CLIP (Contrastive Language-Pretraining) などの差別基盤モデルのバイアス評価のための新しい分類法を提案する。そして、これらのモデルにおけるバイアスを緩和するための既存の手法を分類学に関して体系的に評価する。具体的には,ゼロショット分類,画像検索,画像キャプションなど,OpenAIのCLIPとOpenCLIPモデルをキーアプリケーションとして評価する。
論文参考訳（メタデータ） (2023-10-18T10:32:39Z)
Voting Network for Contour Levee Farmland Segmentation and Classification [3.3675306464999357]
高解像度の航空画像は農地の細部を細部まで表現することができる。本稿では,高解像度空中画像からの輪郭リーブを用いた農地分割のためのエンドツーエンドのトレーニングネットワークを提案する。
論文参考訳（メタデータ） (2023-09-28T16:16:08Z)
Few-shot Open-set Recognition Using Background as Unknowns [58.04165813493666]
未使用のオープンセット認識は、見知らぬクラスの限られた訓練データしか持たない、目に見える画像と新しい画像の両方を分類することを目的としている。提案手法は,複数のベースラインより優れるだけでなく,3つのベンチマークで新たな結果が得られた。
論文参考訳（メタデータ） (2022-07-19T04:19:29Z)
LEAD: Self-Supervised Landmark Estimation by Aligning Distributions of Feature Similarity [49.84167231111667]
自己監督型ランドマーク検出における既存の研究は、画像から高密度(ピクセルレベルの)特徴表現を学習することに基づいている。自己教師付き方式で高密度同変表現の学習を強化するアプローチを提案する。機能抽出器にそのような先行性があることは,アノテーションの数が大幅に制限されている場合でも,ランドマーク検出に役立ちます。
論文参考訳（メタデータ） (2022-04-06T17:48:18Z)
Unsupervised Part Discovery from Contrastive Reconstruction [90.88501867321573]
自己監督型視覚表現学習の目標は、強く伝達可能な画像表現を学習することである。対象部分の発見とセグメンテーションに対する教師なしアプローチを提案する。本手法は, 細粒度, 視覚的に異なるカテゴリ間でセマンティックな部分を生成する。
論文参考訳（メタデータ） (2021-11-11T17:59:42Z)
Progressive Co-Attention Network for Fine-grained Visual Classification [20.838908090777885]
きめ細かい視覚分類は、同じカテゴリ内の複数のサブカテゴリに属する画像を認識することを目的としている。既存のほとんどの方法は個々の画像のみを入力とする。そこで本研究では,pca-net(progressive co-attention network)と呼ばれる効果的な手法を提案する。
論文参考訳（メタデータ） (2021-01-21T10:19:02Z)
Saliency-driven Class Impressions for Feature Visualization of Deep Neural Networks [55.11806035788036]
分類に欠かせないと思われる特徴を視覚化することは有利である。既存の可視化手法は,背景特徴と前景特徴の両方からなる高信頼画像を生成する。本研究では,あるタスクにおいて最も重要であると考えられる識別的特徴を可視化するための,サリエンシ駆動型アプローチを提案する。
論文参考訳（メタデータ） (2020-07-31T06:11:06Z)
Pose-guided Visible Part Matching for Occluded Person ReID [80.81748252960843]
本稿では、ポーズ誘導による特徴の識別を共同で学習し、その部分の可視性を自己判断する Pose-Guided Visible Part Matching (PVPM) 法を提案する。実験結果から,提案手法は最先端手法と競合する性能を示した。
論文参考訳（メタデータ） (2020-04-01T04:36:51Z)
Variable-Viewpoint Representations for 3D Object Recognition [27.913222855275997]
共通表現連続体の2つの極端に2種類の入力表現が存在することを示す。この2つの極点の間の点にある興味深い中間表現を同定する。系統的な経験実験を通して、入力情報の関数としてこの連続体に沿って精度がどのように変化するかを示す。
論文参考訳（メタデータ） (2020-02-08T10:06:30Z)

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。