論文の概要: Criteria-first, semantics-later: reproducible structure discovery in image-based sciences

• arxiv url: http://arxiv.org/abs/2602.15712v1
• Date: Tue, 17 Feb 2026 16:45:49 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-02-18 16:03:18.128527
• Title: Criteria-first, semantics-later: reproducible structure discovery in image-based sciences
• Title（参考訳）: 基準第一, 意味論後--画像科学における再現可能な構造発見
• Authors: Jan Bumberger,
• Abstract要約: 構造はドメイン固有のラベルを予測または強制することによって復元される。 このパラダイムは、画像ベースの科学を最も価値あるものにする条件下で、体系的に失敗する。 基準優先構造発見のための統一されたフレームワークが導入された。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by-sa/4.0/
• Abstract: Across the natural and life sciences, images have become a primary measurement modality, yet the dominant analytic paradigm remains semantics-first. Structure is recovered by predicting or enforcing domain-specific labels. This paradigm fails systematically under the conditions that make image-based science most valuable, including open-ended scientific discovery, cross-sensor and cross-site comparability, and long-term monitoring in which domain ontologies and associated label sets drift culturally, institutionally, and ecologically. A deductive inversion is proposed in the form of criteria-first and semantics-later. A unified framework for criteria-first structure discovery is introduced. It separates criterion-defined, semantics-free structure extraction from downstream semantic mapping into domain ontologies or vocabularies and provides a domain-general scaffold for reproducible analysis across image-based sciences. Reproducible science requires that the first analytic layer perform criterion-driven, semantics-free structure discovery, yielding stable partitions, structural fields, or hierarchies defined by explicit optimality criteria rather than local domain ontologies. Semantics is not discarded; it is relocated downstream as an explicit mapping from the discovered structural product to a domain ontology or vocabulary, enabling plural interpretations and explicit crosswalks without rewriting upstream extraction. Grounded in cybernetics, observation-as-distinction, and information theory's separation of information from meaning, the argument is supported by cross-domain evidence showing that criteria-first components recur whenever labels do not scale. Finally, consequences are outlined for validation beyond class accuracy and for treating structural products as FAIR, AI-ready digital objects for long-term monitoring and digital twins.
• Abstract（参考訳）: 自然科学や生命科学の分野では、画像は主要な測定モダリティとなっているが、支配的な分析パラダイムはセマンティクスファーストのままである。 構造はドメイン固有のラベルを予測または強制することによって復元される。 このパラダイムは、オープンな科学的発見、クロスセンサー、クロスサイトコンパラビリティ、ドメインオントロジーと関連するラベルセットが文化的、制度的、生態的に漂う長期的な監視など、イメージベースの科学を最も価値あるものにする条件下で体系的に失敗する。 帰納的逆転は、基準第一および意味論後期の形で提案される。 基準優先構造発見のための統一されたフレームワークが導入された。 ドメインオントロジーや語彙への下流のセマンティックマッピングから抽出する基準定義のセマンティックスフリー構造を分離し、画像ベースの科学にまたがる再現可能な分析のためのドメイン一般の足場を提供する。 再現可能な科学は、第1の分析層が、局所的なドメインオントロジーよりも明確な最適性基準によって定義された安定な分割、構造体、階層を生成するために、基準駆動のセマンティクスのない構造発見を実行することを要求する。 意味論は捨てられず、発見された構造積からドメインオントロジーや語彙への明示的なマッピングとして下流に移動し、上流の抽出を書き換えることなく複数の解釈と明示的な横断歩道を可能にする。 サイバネティクス、観察・発見・識別、情報理論が意味から情報を切り離すことに基礎を置いているこの議論は、ラベルがスケールしないたびに基準優先のコンポーネントが再帰することを示すクロスドメインな証拠によって支持されている。 最後に、結果は、クラス精度以上の検証と、構造製品をFAIR、長期的な監視のためのAI対応デジタルオブジェクト、デジタルツインとして扱うために概説されている。

関連論文リスト

• Visual Language Hypothesis [14.062822951292402]
  構造的・トポロジカルな視点から視覚表現学習を研究する。 商の近似もモデルアーキテクチャに構造的要求を与えることを示す。
  論文  参考訳（メタデータ） (2025-12-29T09:43:10Z)
• What is Stochastic Supervenience? [0.0]
  本稿では,スーパーベニエンスのための一般的な枠組みを開発する。 私はその法則を定式化し、固定法、不規則法、方向非対称性を定式化します。 古典的決定論的超越性は、限定的なディラックの場合として現れることを示す。
  論文  参考訳（メタデータ） (2025-12-20T07:47:53Z)
• Towards Open-Ended Visual Scientific Discovery with Sparse Autoencoders [11.190791003373322]
  スパースオートエンコーダが基礎モデル表現からオープンな特徴発見を可能にするかどうかを問う。 生態画像に適用すると、同じ手順がセグメンテーションや部分ラベルにアクセスせずに微細な解剖学的構造を表面化する。 この結果から, スパース分解は, 科学基盤モデルが何を学んだかを調べるための実践的な手段となることが示唆された。
  論文  参考訳（メタデータ） (2025-11-21T19:38:07Z)
• Data-driven Coreference-based Ontology Building [48.995395445597225]
  参照解決は、伝統的に個々の文書理解のコンポーネントとして使用される。 よりグローバルな視点で、すべてのドキュメントレベルのコア参照関係から、ドメインについて何が学べるかを探求します。 コードとともに、クリエイティブ・コモンズライセンスの下でコア参照チェーンをリリースします。
  論文  参考訳（メタデータ） (2024-10-22T14:30:40Z)
• Domain Embeddings for Generating Complex Descriptions of Concepts in Italian Language [65.268245109828]
  電子辞書から抽出した言語情報と語彙情報に富んだ分布意味資源を提案する。 リソースは21のドメイン固有の行列と1つの包括的なマトリックスとグラフィカルユーザインタフェースから構成される。 本モデルは,具体的概念知識に直接関連した行列を選択することにより,概念の意味的記述の推論を容易にする。
  論文  参考訳（メタデータ） (2024-02-26T15:04:35Z)
• Variational Cross-Graph Reasoning and Adaptive Structured Semantics Learning for Compositional Temporal Grounding [143.5927158318524]
  テンポラルグラウンドティング(Temporal grounding)とは、クエリ文に従って、未編集のビデオから特定のセグメントを特定するタスクである。 新たに構成時間グラウンドタスクを導入し,2つの新しいデータセット分割を構築した。 ビデオや言語に内在する構造的意味論は、構成的一般化を実現する上で重要な要素である、と我々は主張する。
  論文  参考訳（メタデータ） (2023-01-22T08:02:23Z)
• Latent Topology Induction for Understanding Contextualized Representations [84.7918739062235]
  本研究では,文脈的埋め込みの表現空間について検討し,大規模言語モデルの隠れトポロジについて考察する。 文脈化表現の言語特性を要約した潜在状態のネットワークが存在することを示す。
  論文  参考訳（メタデータ） (2022-06-03T11:22:48Z)
• Clinical Named Entity Recognition using Contextualized Token Representations [49.036805795072645]
  本稿では,各単語の意味的意味をより正確に把握するために,文脈型単語埋め込み手法を提案する。 言語モデル(C-ELMo)とC-Flair(C-Flair)の2つの深い文脈型言語モデル(C-ELMo)を事前訓練する。 明示的な実験により、静的単語埋め込みとドメインジェネリック言語モデルの両方と比較して、我々のモデルは劇的に改善されている。
  論文  参考訳（メタデータ） (2021-06-23T18:12:58Z)
• Phase Consistent Ecological Domain Adaptation [76.75730500201536]
  意味的セグメンテーション(意味的セグメンテーション)の課題に焦点をあてる。そこでは、注釈付き合成データが多用されるが、実際のデータへのアノテートは困難である。 視覚心理学に触発された最初の基準は、2つの画像領域間の地図が位相保存であることである。 第2の基準は、照明剤や撮像センサーの特性に関わらず、その画像に現れる環境統計、またはシーン内の規則を活用することを目的としている。
  論文  参考訳（メタデータ） (2020-04-10T06:58:03Z)

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。