Fugu-MT 論文翻訳(概要): $\text{H}^2$em: Learning Hierarchical Hyperbolic Embeddings for Compositional Zero-Shot Learning

論文の概要: $\text{H}^2$em: Learning Hierarchical Hyperbolic Embeddings for Compositional Zero-Shot Learning

arxiv url: http://arxiv.org/abs/2512.20029v1
Date: Tue, 23 Dec 2025 03:46:04 GMT
ステータス: 翻訳完了
システム内更新日: 2025-12-24 19:17:49.737254
Title: $\text{H}^2$em: Learning Hierarchical Hyperbolic Embeddings for Compositional Zero-Shot Learning
Title（参考訳）: $\text{H}^2$em:Learning Hierarchical Hyperbolic Embeddings for compositional Zero-Shot Learning
Authors: Lin Li, Jiahui Li, Jiaming Lei, Jun Xiao, Feifei Shao, Long Chen,
Abstract要約: 合成ゼロショット学習(CZSL)は、原始体の訓練セット(状態と対象)から一般化することで、目に見えない状態オブジェクトの合成を認識することを目的としている。現在の手法は、プリミティブのセマンティックな階層構造や、プリミティブとコンポジションの間の概念的な階層など、リッチな階層構造を見落としていることが多い。 CZSLのための階層型ハイパーボリックEMを学習する新しいフレームワークであるH2emを提案する。
参考スコア（独自算出の注目度）: 18.502719006213635
License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
Abstract: Compositional zero-shot learning (CZSL) aims to recognize unseen state-object compositions by generalizing from a training set of their primitives (state and object). Current methods often overlook the rich hierarchical structures, such as the semantic hierarchy of primitives (e.g., apple fruit) and the conceptual hierarchy between primitives and compositions (e.g, sliced apple apple). A few recent efforts have shown effectiveness in modeling these hierarchies through loss regularization within Euclidean space. In this paper, we argue that they fail to scale to the large-scale taxonomies required for real-world CZSL: the space's polynomial volume growth in flat geometry cannot match the exponential structure, impairing generalization capacity. To this end, we propose H2em, a new framework that learns Hierarchical Hyperbolic EMbeddings for CZSL. H2em leverages the unique properties of hyperbolic geometry, a space naturally suited for embedding tree-like structures with low distortion. However, a naive hyperbolic mapping may suffer from hierarchical collapse and poor fine-grained discrimination. We further design two learning objectives to structure this space: a Dual-Hierarchical Entailment Loss that uses hyperbolic entailment cones to enforce the predefined hierarchies, and a Discriminative Alignment Loss with hard negative mining to establish a large geodesic distance between semantically similar compositions. Furthermore, we devise Hyperbolic Cross-Modal Attention to realize instance-aware cross-modal infusion within hyperbolic geometry. Extensive ablations on three benchmarks demonstrate that H2em establishes a new state-of-the-art in both closed-world and open-world scenarios. Our codes will be released.
Abstract（参考訳）: 合成ゼロショット学習(CZSL)は、原始体の訓練セット(状態と対象)から一般化することで、目に見えない状態オブジェクトの合成を認識することを目的としている。現在の手法は、プリミティブ(例えばリンゴの果実)のセマンティックな階層構造や、プリミティブとコンポジション(例えばスライスしたリンゴリンゴ)の概念的な階層構造など、リッチな階層構造を見落としていることが多い。いくつかの最近の研究により、ユークリッド空間における損失正則化を通じてこれらの階層をモデル化する効果が示されている。本稿では,空間の平坦な幾何学における多項式体積の増大は指数関数構造と一致せず,一般化能力を損なう。この目的のために我々は,CZSLの階層的双曲EMベディングを学習する新しいフレームワークであるH2emを提案する。 H2em は双曲幾何学のユニークな性質を生かし、低歪みで木のような構造を埋め込むのに適した空間である。しかし、ナイーブな双曲写像は階層的な崩壊と微粒化の少ない識別に悩まされる可能性がある。我々はさらに、この空間を構築するための2つの学習目標を設計する: 双曲的エンタテインメント・コーンを用いて予め定義された階層を強制する双曲的エンタテインメント・ロス(Dual-Hierarchical Entailment Loss)と、強い負のマイニングを伴う識別的アライメント・ロス(Dariminative Alignment Loss)により、意味的に類似した構成の間に大きな測地的距離を確立する。さらに,双曲幾何学におけるインスタンス認識型クロスモーダル注入を実現するために,双曲的クロスモーダルアテンションを考案した。 3つのベンチマークに対する大規模な改善は、H2emがクローズドワールドとオープンワールドの両方のシナリオにおいて、新たな最先端技術を確立していることを示している。私たちのコードは解放されます。

論文の概要: $\text{H}^2$em: Learning Hierarchical Hyperbolic Embeddings for Compositional Zero-Shot Learning

関連論文リスト