論文の概要: A Unified Latent Space Disentanglement VAE Framework with Robust Disentanglement Effectiveness Evaluation

• arxiv url: http://arxiv.org/abs/2603.11242v1
• Date: Wed, 11 Mar 2026 19:10:20 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-03-13 14:46:25.603315
• Title: A Unified Latent Space Disentanglement VAE Framework with Robust Disentanglement Effectiveness Evaluation
• Title（参考訳）: ロバスト・ディアンタングルメント有効性評価を用いた一元化ラテント空間ディアンタングルメントVAEフレームワーク
• Authors: Xiaoan Lang, Fang Liu,
• Abstract要約: 本稿では, 最先端の非絡合型VAEアプローチを統一し, 有効な潜在空間非絡合を生成する汎用フレームワーク, bfVAEを提案する。 FVH-LTとDBSR-LSは遅延空間解釈性を高め、より効率的なコンテンツ生成のガイダンスを提供する。 我々は,ラベルの切り換えを緩和し,ランにまたがる遅延次元を緩和し,集約された結果を得るためのグリーディアライメント戦略(GAS)を開発した。
• 参考スコア（独自算出の注目度）: 3.665985268436828
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Evaluating and interpreting latent representations, such as variational autoencoders (VAEs), remains a significant challenge for diverse data types, especially when ground-truth generative factors are unknown. To address this, we propose a general framework -- bfVAE -- that unifies several state-of-the-art disentangled VAE approaches and generates effective latent space disentanglement, especially for tabular data. To assess the effectiveness of a VAE disentanglement technique, we propose two procedures - Feature Variance Heterogeneity via Latent Traversal (FVH-LT) and Dirty Block Sparse Regression in Latent Space (DBSR-LS) for disentanglement assessment, along with the latent space disentanglement index (LSDI) which uses the outputs of FVH-LT and DBSR-LS to summarize the overall effectiveness of a VAE disentanglement method without requiring access to or knowledge of the ground-truth generative factors. To the best of our knowledge, these are the first assessment tools to achieve this. FVH-LT and DBSR-LS also enhance latent space interpretability and provide guidance on more efficient content generation. To ensure robust and consistent disentanglement, we develop a greedy alignment strategy (GAS) that mitigates label switching and aligns latent dimensions across runs to obtain aggregated results. We assess the bfVAE framework and validate FVH-LT, DBSR-LS, and LSDI in extensive experiments on tabular and image data. The results suggest that bfVAE surpasses existing disentangled VAE frameworks in terms of disentanglement quality, robustness, achieving a near-zero false discovery rate for informative latent dimensions, that FVH-LT and DBSR-LS reliably uncover semantically meaningful and domain-relevant latent structures, and that LSDI makes an effective overall quantitative summary on disentanglement effectiveness.
• Abstract（参考訳）: 変分オートエンコーダ(VAEs)のような潜伏表現の評価と解釈は、特に基幹的生成因子が不明な場合において、様々なデータタイプにとって重要な課題である。 そこで本研究では,いくつかの最先端の非絡み付きVAEアプローチを統一し,特に表データに対して有効な潜在空間非絡み付きを生成する,一般的なフレームワークであるbfVAEを提案する。 VAEアンタングル化手法の有効性を評価するために,FVH-LT(Latent Traversal)とDirty Block Sparse Regression in Latent Space(DBSR-LS)の2つの手法を提案する。 私たちの知る限りでは、これらはそれを実現するための最初のアセスメントツールです。 FVH-LTとDBSR-LSは、遅延空間の解釈可能性を高め、より効率的なコンテンツ生成のガイダンスを提供する。 頑健で一貫した絡み合いを確保するため,ラベルの切り換えを緩和し,走行中における遅延次元を緩和し,集約した結果を得るためのグリーディアライメント戦略(GAS)を開発した。 本稿では,bfVAEフレームワークの評価とFVH-LT,DBSR-LS,LSDIの検証を行った。 その結果,bfVAEは,有意な潜伏次元に対してほぼゼロに近い偽発見率を達成し,意味論的に有意かつ領域関連な潜伏構造を確実に発見し,LSDIは係避効果を効果的に定量的にまとめた。

関連論文リスト

• SSVD-O: Parameter-Efficient Fine-Tuning with Structured SVD for Speech Recognition [65.90944188787786]
  本稿では,構造化SVD誘導(SSVD)ファインチューニング法の拡張であるSSVD-Outer(SSVD-O)を紹介する。 自動音声認識のためのPEFTにおいて,モデル部分空間間のパラメータ予算配分を初めて体系的に解析する。 その結果, SSVD-O は連続的に性能ギャップを細調整に狭めつつ, 一般化を改善し, 破滅的な忘れを軽減できることが示唆された。
  論文  参考訳（メタデータ） (2026-01-18T22:16:44Z)
• GuardFed: A Trustworthy Federated Learning Framework Against Dual-Facet Attacks [56.983319121358555]
  フェデレートラーニング(FL)は、プライバシ保護のための協調モデルトレーニングを可能にするが、敵の行動に弱いままである。 本稿では,予測精度とグループフェアネスを同時に損なう新たな脅威モデルであるデュアル顔攻撃(DFA)を紹介する。 本稿では,少量のクリーンサーバデータを用いて,公正な参照モデルを維持する自己適応型防衛フレームワークであるGuardFedを提案する。
  論文  参考訳（メタデータ） (2025-11-12T13:02:45Z)
• Optimizing Latent Dimension Allocation in Hierarchical VAEs: Balancing Attenuation and Information Retention for OOD Detection [14.833454650943805]
  階層的変分オートエンコーダ(HVAE)は、従来のVAEよりも優れた表現能力を提供する。 既存のアプローチはしばしば遅延容量を任意に割り当て、非効率な表現や後続の崩壊につながる。 本稿では,HVAEにおける潜在次元割り当てを最適化するための理論的基盤となるフレームワークを提案する。 固定遅延予算の下で最適な割り当て比$rast$の存在を証明し、この比率を調整することでOOD検出性能が一貫したことを示す。
  論文  参考訳（メタデータ） (2025-06-11T18:16:19Z)
• Divide-Then-Align: Honest Alignment based on the Knowledge Boundary of RAG [51.120170062795566]
  本稿では,問合せが知識境界外にある場合の"I don't know"で応答する機能を備えたRAGシステムを実現するためのDTAを提案する。 DTAは適切な棄権と精度のバランスをとり、検索強化システムの信頼性と信頼性を高める。
  論文  参考訳（メタデータ） (2025-05-27T08:21:21Z)
• Forests for Differences: Robust Causal Inference Beyond Parametric DiD [0.0]
  DiD-BCF(Didi-in-Differences Bayesian Causal Forest)は、DD推定における重要な課題に対処する新しい非パラメトリックモデルである。 DiD-BCFは、平均(ATE)、グループ平均(GATE)、条件平均処理効果(CATE)を推定するための統一的なフレームワークを提供する。 大規模なシミュレーションでは、DD-BCFは確立されたベンチマークよりも優れた性能を示している。
  論文  参考訳（メタデータ） (2025-05-14T18:06:51Z)
• Efficient Privacy-Preserving KAN Inference Using Homomorphic Encryption [9.0993556073886]
  ホモモルフィック暗号化(HE)は、ディープラーニングモデルのプライバシー保護推論を容易にする。 SiLUアクティベーション関数やB-スプライン関数などの非線形要素を組み込んだkanの複雑な構造は、既存のプライバシ保存推論技術が不十分である。 そこで我々は,kansに適した高精度かつ効率的なプライバシ保護型推論手法を提案する。
  論文  参考訳（メタデータ） (2024-09-12T04:51:27Z)
• A Thorough Performance Benchmarking on Lightweight Embedding-based Recommender Systems [67.52782366565658]
  State-of-the-art recommender system (RS) は、埋め込みベクトルによって符号化される分類的特徴に依存し、結果として非常に大きな埋め込みテーブルとなる。 軽量埋め込み型RSの繁栄にもかかわらず、評価プロトコルには幅広い多様性が見られる。 本研究では, LERSの性能, 効率, クロスタスク転送性について, 徹底的なベンチマークによる検討を行った。
  論文  参考訳（メタデータ） (2024-06-25T07:45:00Z)
• SaRPFF: A Self-Attention with Register-based Pyramid Feature Fusion module for enhanced RLD detection [0.3262230127283452]
  SaRPFF (Self-Attention with Register-based Pyramid Feature Fusion) は、マルチスケールオブジェクト検出を強化するために設計された新しいモジュールである。 2D-Multi-Head Self-Attention (MHSA)とレジスタトークンを統合し、機能解釈性を改善する。 MRLDデータセットにおける平均精度 (AP) は, YOLOv7のベースラインFPN法と比較して+2.61%向上した。
  論文  参考訳（メタデータ） (2024-02-26T04:18:42Z)
• Learning Better with Less: Effective Augmentation for Sample-Efficient Visual Reinforcement Learning [57.83232242068982]
  データ拡張(DA)は、ビジュアル強化学習(RL)アルゴリズムのサンプル効率を高める重要な手法である。 サンプル効率のよい視覚的RLを実現する上で, DAのどの属性が有効かは明らかになっていない。 本研究は,DAの属性が有効性に与える影響を評価するための総合的な実験を行う。
  論文  参考訳（メタデータ） (2023-05-25T15:46:20Z)
• Latent Space Bayesian Optimization with Latent Data Augmentation for Enhanced Exploration [16.73336092521471]
  本稿では,Latent Space Bayesian Optimization (LSBO) の効率を向上させるための新しい貢献を提案し,その課題を克服する。 まず,VAE-BOミスマッチから生じるLSBOの重要な問題として,潜時整合/整合性の概念を紹介した。 LCA-VAEは,潜伏空間におけるデータ増大と潜伏不整合のペナル化を通じて,不整合点を増大させた潜伏空間を生成する新しいVAE法である。
  論文  参考訳（メタデータ） (2023-02-05T15:02:34Z)

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。