論文の概要: Quantum Visual Word Sense Disambiguation: Unraveling Ambiguities Through Quantum Inference Model

• arxiv url: http://arxiv.org/abs/2512.24687v1
• Date: Wed, 31 Dec 2025 07:47:14 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-01-01 23:27:28.597927
• Title: Quantum Visual Word Sense Disambiguation: Unraveling Ambiguities Through Quantum Inference Model
• Title（参考訳）: 量子的単語センスの曖昧さ:量子推論モデルによる曖昧さの解明
• Authors: Wenbo Qiao, Peng Zhang, Qinghua Hu,
• Abstract要約: 本稿では、教師なしビジュアルワードセンス曖昧化(Q-VWSD)のための量子推論モデルを提案する。 ターゲット単語の複数のグルースを重畳状態に符号化し、意味的バイアスを軽減する。 この方法の定式化により、Q-VWSDは古典的確率に基づく手法の量子一般化であることが分かる。
• 参考スコア（独自算出の注目度）: 51.75804843502132
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Visual word sense disambiguation focuses on polysemous words, where candidate images can be easily confused. Traditional methods use classical probability to calculate the likelihood of an image matching each gloss of the target word, summing these to form a posterior probability. However, due to the challenge of semantic uncertainty, glosses from different sources inevitably carry semantic biases, which can lead to biased disambiguation results. Inspired by quantum superposition in modeling uncertainty, this paper proposes a Quantum Inference Model for Unsupervised Visual Word Sense Disambiguation (Q-VWSD). It encodes multiple glosses of the target word into a superposition state to mitigate semantic biases. Then, the quantum circuit is executed, and the results are observed. By formalizing our method, we find that Q-VWSD is a quantum generalization of the method based on classical probability. Building on this, we further designed a heuristic version of Q-VWSD that can run more efficiently on classical computing. The experiments demonstrate that our method outperforms state-of-the-art classical methods, particularly by effectively leveraging non-specialized glosses from large language models, which further enhances performance. Our approach showcases the potential of quantum machine learning in practical applications and provides a case for leveraging quantum modeling advantages on classical computers while quantum hardware remains immature.
• Abstract（参考訳）: 視覚的単語感覚の曖昧さは、候補画像を容易に混同できる多文語に焦点を当てる。 従来の手法では、従来の確率を用いて、対象単語の各光沢と一致する画像の確率を計算し、それらを要約して後続確率を形成する。 しかし、意味的不確かさの難しさにより、異なるソースからのグロースは必然的に意味的バイアスを持ち、不明瞭な結果をもたらす可能性がある。 モデリングの不確実性における量子重ね合わせにインスパイアされた,教師なしビジュアルワードセンス曖昧化のための量子推論モデル(Q-VWSD)を提案する。 ターゲット単語の複数のグルースを重畳状態に符号化し、意味的バイアスを軽減する。 そして、量子回路が実行され、その結果が観測される。 この方法の定式化により、Q-VWSDは古典的確率に基づく手法の量子一般化であることが分かる。 これに基づいて、我々は古典コンピューティングでより効率的に実行できるQ-VWSDのヒューリスティックバージョンをさらに設計した。 実験により,本手法は最先端の古典的手法,特に大規模言語モデルからの非特殊化グルースを効果的に活用することにより,性能の向上を図っている。 提案手法は,量子機械学習の実用化の可能性を示し,量子ハードウェアが未成熟のまま,古典的コンピュータ上で量子モデリングの優位性を活用するための事例を提供する。

関連論文リスト

• Quantum-Classical Separation in Bounded-Resource Tasks Arising from Measurement Contextuality [107.84586711462556]
  量子テクスチュアリティは、古典的限界を超えた成功確率で特定のタスクを実行できることを示す。 本研究は,文脈性に基づくアルゴリズムを用いて量子プロセッサをベンチマークする方法を提案する。
  論文  参考訳（メタデータ） (2025-12-01T23:54:32Z)
• Quantum Latent Diffusion Models [65.16624577812436]
  本稿では,古典的潜伏拡散モデルの確立した考え方を活用する量子拡散モデルの潜在的バージョンを提案する。 これには、従来のオートエンコーダを使用してイメージを削減し、次に潜時空間の変動回路で操作する。 この結果は、量子バージョンが生成した画像のより良い測定値を得ることによって証明されたように、量子バージョンを使用することの利点を示している。
  論文  参考訳（メタデータ） (2025-01-19T21:24:02Z)
• Quantum Transfer Learning for Acceptability Judgements [5.90817406672742]
  この研究は、大規模言語モデルから抽出されたベクトルを埋め込んだ量子移動学習アルゴリズムの潜在的な利点を示す。 このアプローチは、ItaCoLaから抽出された文でテストされている。 評価フェーズは、最先端の古典的トランスファー学習アルゴリズムに匹敵する量子トランスファー学習パイプラインの結果を示す。
  論文  参考訳（メタデータ） (2024-01-15T15:40:16Z)
• Classical Verification of Quantum Learning [42.362388367152256]
  量子学習の古典的検証のための枠組みを開発する。 そこで我々は,新しい量子データアクセスモデルを提案し,これを"mixture-of-superpositions"量子例と呼ぶ。 この結果から,学習課題における量子データの潜在能力は無限ではないものの,古典的エージェントが活用できることが示唆された。
  論文  参考訳（メタデータ） (2023-06-08T00:31:27Z)
• Quantum-enhanced pattern recognition [0.0]
  パターン認識の多セル問題において,初めて量子的優位性を示す。 我々は、古典的な資源で達成された分類誤差の量子的優位性を達成するために、絡み合ったプローブ状態と光子計数を用いる。 このことは、複雑な領域内でのボソニックロスの量子化パターン認識の今後の発展を動機付けている。
  論文  参考訳（メタデータ） (2023-04-12T13:06:38Z)
• Classical surrogates for quantum learning models [0.7734726150561088]
  本稿では,訓練された量子学習モデルから効率的に得られる古典的モデルである古典的サロゲートの概念を紹介する。 我々は、よく解析された再アップロードモデルの大規模なクラスが古典的なサロゲートを持つことを示す。
  論文  参考訳（メタデータ） (2022-06-23T14:37:02Z)
• Quantum Semantic Communications for Resource-Efficient Quantum Networking [52.3355619190963]
  本稿では、量子機械学習と量子意味表現の進歩を活かした新しい量子意味通信(QSC)フレームワークを提案する。 提案手法は,高い量子セマンティック忠実度を達成しつつ,必要な量子通信資源の約50～75%の削減を実現する。
  論文  参考訳（メタデータ） (2022-05-05T03:49:19Z)
• Facial Expression Recognition on a Quantum Computer [68.8204255655161]
  量子機械学習手法を用いて表情認識の可能な解を示す。 適切に定義された量子状態の振幅に符号化されたグラフの隣接行列を操作する量子回路を定義する。
  論文  参考訳（メタデータ） (2021-02-09T13:48:00Z)
• Quantum Language Model with Entanglement Embedding for Question Answering [7.398550174147092]
  セメムの量子重ね合わせとして単語をモデル化する量子言語モデル(QLMs)は、高いレベルのモデルの透明性と、ポストホックな解釈可能性を示している。 本稿では,新しいエンタングルメント・エンベディング(EE)モジュールを用いたニューラルネットワークモデルを提案する。
  論文  参考訳（メタデータ） (2020-08-23T02:34:26Z)

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。