論文の概要: Forest-Guided Semantic Transport for Label-Supervised Manifold Alignment

• arxiv url: http://arxiv.org/abs/2602.00974v1
• Date: Sun, 01 Feb 2026 02:32:09 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-02-03 19:28:33.49801
• Title: Forest-Guided Semantic Transport for Label-Supervised Manifold Alignment
• Title（参考訳）: 森林誘導セマンティックトランスポーテーション : ラベリングスーパービジョンマニフォールドアライメント
• Authors: Adrien Aumon, Myriam Lizotte, Guy Wolf, Kevin R. Moon, Jake S. Rhodes,
• Abstract要約: FoSTAはラベルインフォームド・フォレスト親和性から直接セマンティック表現を構築し、高速で階層的なセマンティックトランスポートを通じてそれらを調整する。 FoSTAは、バッチ修正や生物保護など、実用的な単一セルアプリケーションで強力なパフォーマンスを提供する。
• 参考スコア（独自算出の注目度）: 12.374726282828561
• License: http://creativecommons.org/licenses/by-sa/4.0/
• Abstract: Label-supervised manifold alignment bridges the gap between unsupervised and correspondence-based paradigms by leveraging shared label information to align multimodal datasets. Still, most existing methods rely on Euclidean geometry to model intra-domain relationships. This approach can fail when features are only weakly related to the task of interest, leading to noisy, semantically misleading structure and degraded alignment quality. To address this limitation, we introduce FoSTA (Forest-guided Semantic Transport Alignment), a scalable alignment framework that leverages forest-induced geometry to denoise intra-domain structure and recover task-relevant manifolds prior to alignment. FoSTA builds semantic representations directly from label-informed forest affinities and aligns them via fast, hierarchical semantic transport, capturing meaningful cross-domain relationships. Extensive comparisons with established baselines demonstrate that FoSTA improves correspondence recovery and label transfer on synthetic benchmarks and delivers strong performance in practical single-cell applications, including batch correction and biological conservation.
• Abstract（参考訳）: ラベル教師付き多様体アライメントは、共有ラベル情報を利用してマルチモーダルデータセットをアライメントすることで、教師なしと通信ベースのパラダイム間のギャップを橋渡しする。 しかし、既存のほとんどの手法はユークリッド幾何学を使ってドメイン内関係をモデル化している。 このアプローチは、機能が関心のあるタスクと弱い関係にあるだけで失敗する可能性があり、ノイズ、意味的に誤解を招く構造、アライメントの品質が低下する。 この制限に対処するため,フォスタ (Forest-Guided Semantic Transport Alignment) を導入し,森林によって誘導される地形を利用してドメイン内構造を識別し,アライメントに先立ってタスク関連多様体を復元するスケーラブルなアライメントフレームワークを提案する。 FoSTAはラベルインフォームド・フォレスト親和性から直接セマンティック表現を構築し、それらを高速で階層的なセマンティックトランスポートを通じて整列させ、意味のあるクロスドメイン関係をキャプチャする。 確立されたベースラインとの比較により、FosTAは、合成ベンチマークでの対応回復とラベル転送を改善し、バッチ補正や生物保護を含む実用的な単一セルアプリケーションで高い性能を発揮することが示された。

関連論文リスト

• Random Forest-Supervised Manifold Alignment [0.0]
  本稿では,半教師付きアライメントアルゴリズムの基礎としてランダム森林を用いた多様体アライメント手法を提案する。 近年開発されたアライメントグラフをベースとした2つのアライメントグラフの強化に焦点をあてる。 従来の手法では,下流の分類に十分な情報を取得する埋め込みの生成に失敗することが多い。
  論文  参考訳（メタデータ） (2024-11-18T20:14:50Z)
• SEG:Seeds-Enhanced Iterative Refinement Graph Neural Network for Entity Alignment [13.487673375206276]
  本稿では,マルチソースデータと反復的シード拡張を融合したソフトラベル伝搬フレームワークを提案する。 正試料間距離と負試料の差分処理を行う双方向重み付き共同損失関数を実装した。 提案手法は,既存の半教師付きアプローチよりも優れており,複数のデータセットにおいて優れた結果が得られた。
  論文  参考訳（メタデータ） (2024-10-28T04:50:46Z)
• Exploring Homogeneous and Heterogeneous Consistent Label Associations for Unsupervised Visible-Infrared Person ReID [57.500045584556794]
  均質かつ不均一なインスタンスレベルの構造を同時に説明できるModality-Unified Label Transfer (MULT) モジュールを導入する。 提案したMULTは、生成した擬似ラベルがモダリティ間の整合性を維持しつつ、モダリティ内の構造的整合性を維持することを保証する。 実験の結果,提案手法は既存のUSL-VI-ReID法よりも優れていた。
  論文  参考訳（メタデータ） (2024-02-01T15:33:17Z)
• Adaptive Betweenness Clustering for Semi-Supervised Domain Adaptation [108.40945109477886]
  分類領域アライメントを実現するために,G-ABC (Adaptive Betweenness Clustering) と呼ばれる新しいSSDA手法を提案する。 提案手法は従来のSSDA手法よりも優れており,提案したG-ABCアルゴリズムの優位性を示している。
  論文  参考訳（メタデータ） (2024-01-21T09:57:56Z)
• Semantic Connectivity-Driven Pseudo-labeling for Cross-domain Segmentation [89.41179071022121]
  自己学習はドメイン間セマンティックセグメンテーションにおいて一般的なアプローチである。 本稿ではセマンティック・コネクティビティ駆動の擬似ラベル方式を提案する。 このアプローチは、接続レベルにおいて擬似ラベルを定式化し、構造的および低雑音のセマンティクスの学習を容易にする。
  論文  参考訳（メタデータ） (2023-12-11T12:29:51Z)
• Informed Multi-context Entity Alignment [27.679124991733907]
  Informed Multi-context Entity Alignment (IMEA)モデルを提案する。 特にTransformerを導入し、関係、経路、近傍のコンテキストを柔軟にキャプチャする。 総論的推論は、埋め込み類似性と関係性/整合性の両方の機能に基づいてアライメント確率を推定するために用いられる。 いくつかのベンチマークデータセットの結果は、既存の最先端エンティティアライメント手法と比較して、IMEAモデルの優位性を示している。
  論文  参考訳（メタデータ） (2022-01-02T06:29:30Z)

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。

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。