論文の概要: Geometric Observability Index: An Operator-Theoretic Framework for Per-Feature Sensitivity, Weak Observability, and Dynamic Effects in SE(3) Pose Estimation

• arxiv url: http://arxiv.org/abs/2602.05582v1
• Date: Thu, 05 Feb 2026 12:12:00 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-02-06 18:49:08.917677
• Title: Geometric Observability Index: An Operator-Theoretic Framework for Per-Feature Sensitivity, Weak Observability, and Dynamic Effects in SE(3) Pose Estimation
• Title（参考訳）: 幾何学的可観測性指数:SE(3)ポーズ推定における機能的感度, 弱可観測性, 動的効果の演算子理論フレームワーク
• Abstract要約: 本稿では,Lie群SE(3)におけるカメラポーズ推定における機能ごとの感度を解析するための統一演算子理論フレームワークを提案する。 影響関数論を行列リー群に拡張し、SE(3) 上の左自明な M-推定子に対する固有摂動作用素を導出する。 結果として得られる幾何可観測性指数(GOI)は、曲率演算子と可観測部分空間のリー代数構造による単一の測定の寄与を定量化する。
• 参考スコア（独自算出の注目度）: 0.552480439325792
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: We present a unified operator-theoretic framework for analyzing per-feature sensitivity in camera pose estimation on the Lie group SE(3). Classical sensitivity tools - conditioning analyses, Euclidean perturbation arguments, and Fisher information bounds - do not explain how individual image features influence the pose estimate, nor why dynamic or inconsistent observations can disproportionately distort modern SLAM and structure-from-motion systems. To address this gap, we extend influence function theory to matrix Lie groups and derive an intrinsic perturbation operator for left-trivialized M-estimators on SE(3). The resulting Geometric Observability Index (GOI) quantifies the contribution of a single measurement through the curvature operator and the Lie algebraic structure of the observable subspace. GOI admits a spectral decomposition along the principal directions of the observable curvature, revealing a direct correspondence between weak observability and amplified sensitivity. In the population regime, GOI coincides with the Fisher information geometry on SE(3), yielding a single-measurement analogue of the Cramer-Rao bound. The same spectral mechanism explains classical degeneracies such as pure rotation and vanishing parallax, as well as dynamic feature amplification along weak curvature directions. Overall, GOI provides a geometrically consistent description of measurement influence that unifies conditioning analysis, Fisher information geometry, influence function theory, and dynamic scene detectability through the spectral geometry of the curvature operator. Because these quantities arise directly within Gauss-Newton pipelines, the curvature spectrum and GOI also yield lightweight, training-free diagnostic signals for identifying dynamic features and detecting weak observability configurations without modifying existing SLAM architectures.
• Abstract（参考訳）: 本稿では,Lie群SE(3)におけるカメラポーズ推定における機能ごとの感度を解析するための統一演算子理論フレームワークを提案する。 古典的な感度ツール - 条件付け分析、ユークリッド摂動論、フィッシャー情報境界 - は、個々の画像特徴がポーズ推定にどのように影響するか、なぜ動的または矛盾した観察が現代のSLAMや運動系の構造を歪めてしまうのかを説明していない。 このギャップに対処するため、我々は影響関数理論を行列リー群に拡張し、SE(3) 上の左自明な M-推定子に対する固有の摂動作用素を導出する。 結果として得られる幾何可観測性指数(GOI)は、曲率演算子と可観測部分空間のリー代数構造による単一の測定の寄与を定量化する。 GOIは可観測曲率の主方向に沿ったスペクトル分解を認め、弱い可観測性と増幅感度の直接対応を明らかにする。 人口構成では、GOIはSE(3)上のフィッシャー情報幾何と一致し、クレーマー・ラオ境界の1つの測定類似点を生成する。 同じスペクトル機構は、純粋な回転や消失する視差のような古典的な退化と、弱い曲率方向に沿った動的特徴増幅を説明する。 GOIは、条件付け解析、フィッシャー情報幾何、影響関数理論、および曲率作用素のスペクトル幾何学による動的シーン検出性を統一した、幾何的に一貫した測定効果の記述を提供する。 これらの量はガウス-ニュートンパイプライン内で直接発生するため、曲率スペクトルとGOIは、動的特徴を識別し、既存のSLAMアーキテクチャを変更することなく、弱い可観測性構成を検出するための軽量でトレーニング不要な診断信号も生成する。

関連論文リスト

• SPEAR: Structure Property Explainability with Attention Regularization [0.6055934915901143]
  本研究では,SPEAR(Structure Property Explainability with Attention Regularization)について紹介する。 SPEARは注意に基づく回帰を、注意集中を制御する学習可能な温度と、近隣のスペクトル位置のコヒーレンスを強制する滑らかなペナルティで強化する。 注意規則化は, 予測精度を維持しつつ, 因果的特徴に整合したスムーズで連続的な帰属プロファイルを生成することを示す。
  論文  参考訳（メタデータ） (2026-08-13T23:24:43Z)
• Platonic Projection Structures: Operator-Induced Observability in Representation Learning [0.0]
  PPS(Platonic Projection Structures)による表現学習における可観測性の特徴 PPSモデルは、潜在表現空間に作用する自己随伴正半定作用素を通して観測する。 線形観測モデルに基づく量子計測と表現推論は、この演算子理論構造を共有することを示す。
  論文  参考訳（メタデータ） (2026-07-06T14:57:26Z)
• K-Models: a Flexible and Interpretable Method for Ordinal Clustering with Application to Antigen-Antibody Interaction Profiles [65.21921642886367]
  K-Modelsは、順序的制約を統合し、観察された機能プロファイルを生成するランダムプロセスの基本的な要素を推定する新しいフレームワークである。 提案手法はシミュレーションと実世界の応用を通して評価する。
  論文  参考訳（メタデータ） (2026-05-14T13:35:44Z)
• Structural Instability of Feature Composition [2.5754366051855837]
  球状辞書モデルに基づく合成-崩壊しきい値について検討する。 高バイアス状態においては、ReLUは顕微鏡的相関による変動変動を系統的なドリフトに変換する。 CLEVRから抽出した構造化セマンティックな特徴に対するスケーリングの予測傾向を検証した。
  論文  参考訳（メタデータ） (2026-04-18T05:53:31Z)
• Implicit Neural Representations: A Signal Processing Perspective [54.57279006229212]
  入射神経表現(INR)は、離散的なサンプルデータから連続的な機能的表現へと、信号モデリングの根本的な変化を示す。 本稿では、信号処理の観点からのINRの進化を考察し、スペクトル挙動、サンプリング理論、マルチスケール表現を強調する。 医療・レーダ画像の逆問題,圧縮,3次元シーン表現など,幅広い応用分野におけるINRの有用性を強調した。
  論文  参考訳（メタデータ） (2026-04-16T14:12:06Z)
• Gating Enables Curvature: A Geometric Expressivity Gap in Attention [0.5534764384104999]
  強調層に乗算ゲーティングを適用して,大規模言語モデルの性能向上と訓練安定性の向上を実現している。 ガウス分布の平均パラメータとして出力をモデル化することで、その表現の幾何学を通して注意を向ける。 ゲートモデルでは, 表現曲率が高く, 非線形決定境界を必要とするタスクの性能が向上していることを示す。
  論文  参考訳（メタデータ） (2026-04-16T07:09:11Z)
• Random Dot Product Graphs as Dynamical Systems: Limitations and Opportunities [0.0]
  ランダムドット製品グラフ内の時間ネットワークの進化を規定する微分方程式について検討する。 遅延位置における回転あいまいさからのゲージ自由度、確率行列の多様体構造からの実現可能性制約、スペクトル埋め込みによる軌道回復アーティファクトの3つの基本的な障害を同定する。 対称力学はスキュー対称ゲージ汚染を吸収できないので、力学構造は障害物を解消できる。
  論文  参考訳（メタデータ） (2026-03-05T21:56:07Z)
• Simulated Adoption: Decoupling Magnitude and Direction in LLM In-Context Conflict Resolution [3.0242762196828448]
  大規模言語モデル(LLM)は、既存のパラメトリックメモリよりもコンテクスト内での競合情報を優先することが多い。 モデルが「未学習」や内部の真理の大きさを抑えるのではなく、幾何変位のメカニズムを用いていることを示す。
  論文  参考訳（メタデータ） (2026-02-04T06:13:11Z)
• Representation Geometry as a Diagnostic for Out-of-Distribution Robustness [0.5978543974412219]
  In-distribution Embeddingsからクラス条件の相互k-nearest-neighborグラフを構成する幾何学的診断フレームワークを提案する。 スペクトルの複雑さが低く、平均曲率が高くなると、チェックポイント全体にわたって強い分布外(OOD)の精度が常に予測される。 この結果から,表現幾何学はラベル無しで解釈可能な診断を可能にし,教師なしチェックポイント選択の信頼性をサポートできることが示唆された。
  論文  参考訳（メタデータ） (2026-02-03T19:13:36Z)
• A Unified Matrix-Spectral Framework for Stability and Interpretability in Deep Learning [0.0]
  我々は、ディープニューラルネットワークの安定性と解釈可能性を分析する統一的なフレームワークを開発する。 我々は,ジャコビアン,パラメータ勾配,ニューラルタンジェントカーネル演算子,ロスヘッセンのスペクトル情報を単一の安定性尺度に集約するグローバルマトリックス安定度指数を導入する。
  論文  参考訳（メタデータ） (2026-02-01T10:18:37Z)
• SIGMA: Scalable Spectral Insights for LLM Collapse [51.863164847253366]
  SIGMA(Spectral Inequalities for Gram Matrix Analysis)は,モデル崩壊のための統一的なフレームワークである。 行列のスペクトル上の決定論的境界を導出するベンチマークを利用することで、SIGMAは表現空間の収縮を追跡するために数学的に基底化された計量を提供する。 我々は、SIGMAが状態への遷移を効果的に捉え、崩壊のメカニズムに関する理論的知見の両方を提供することを示した。
  論文  参考訳（メタデータ） (2026-01-06T19:47:11Z)
• Flexible Gravitational-Wave Parameter Estimation with Transformers [73.44614054040267]
  本稿では,予測時間における多様な解析設定への適応を可能にする,フレキシブルトランスフォーマーベースのアーキテクチャをトレーニング戦略と組み合わせて導入する。 我々は、Dingo-T1と呼ばれる単一のフレキシブルモデルが、第3のLIGO-Virgo-KAGRA観測ランから48の重力波イベントを解析できることを実証した。
  論文  参考訳（メタデータ） (2025-12-02T17:49:08Z)
• The Curvature Rate λ: A Scalar Measure of Input-Space Sharpness in Neural Networks [0.0]
  曲線は一般化、堅牢性、ニューラルネットワークが小さな入力摂動にいかに確実に反応するかに影響を及ぼす。 入力空間で直接定義されるスカラー曲率測度、すなわち曲率ラムダを導入する。 ラムダは、決定境界における高周波構造の出現を追跡する。
  論文  参考訳（メタデータ） (2025-11-03T10:46:03Z)
• Curved Inference: Concern-Sensitive Geometry in Large Language Model Residual Streams [0.0]
  本稿では,大言語モデルの残差ストリーム軌跡が意味的関心事の変化に応じてどのように曲げられるかを追跡する幾何学的解釈可能性フレームワークを提案する。 Gemma3-1bとLLaMA3.2-3bを5つのネイティブ空間メトリクスを用いて解析し、曲率(kappa_i)とサリエンス(S(t))に着目した。 いずれのモデルにおいても,アクティベーショントラジェクトリが確実に変更されることが示唆された。
  論文  参考訳（メタデータ） (2025-07-08T23:05:00Z)
• Hallucination Detection in LLMs with Topological Divergence on Attention Graphs [60.83579255387347]
  幻覚(Halucination)、すなわち、事実的に誤ったコンテンツを生成することは、大きな言語モデルにとって重要な課題である。 本稿では,TOHA (Topology-based HAllucination detector) をRAG設定に導入する。
  論文  参考訳（メタデータ） (2025-04-14T10:06:27Z)
• Discovering Latent Causal Variables via Mechanism Sparsity: A New Principle for Nonlinear ICA [81.4991350761909]
  ICA(Independent component analysis)は、この目的を定式化し、実用的な応用のための推定手順を提供する手法の集合を指す。 潜伏変数は、潜伏機構をスパースに正則化すれば、置換まで復元可能であることを示す。
  論文  参考訳（メタデータ） (2021-07-21T14:22:14Z)
• Out-of-time-order correlations and the fine structure of eigenstate thermalisation [58.720142291102135]
  量子情報力学と熱化を特徴付けるツールとして、OTOC(Out-of-time-orderor)が確立されている。 我々は、OTOCが、ETH(Eigenstate Thermalisation hypothesis)の詳細な詳細を調査するための、本当に正確なツールであることを明確に示している。 無限温度状態における局所作用素の和からなる可観測物の一般クラスに対して、$omega_textrmGOE$の有限サイズスケーリングを推定する。
  論文  参考訳（メタデータ） (2021-03-01T17:51:46Z)
• Spherical Convolutional Neural Networks: Stability to Perturbations in SO(3) [175.96910854433574]
  球状畳み込みニューラルネットワーク(Spherical Convolutional Neural Network, Spherical CNN)は、データ構造を利用して3次元データから非線形表現を学習する。 本稿では,球状CNNが球状信号に固有の回転構造に関係しているとして,その特性について検討する。
  論文  参考訳（メタデータ） (2020-10-12T17:16:07Z)

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。