論文の概要: Semantic Sections: An Atlas-Native Feature Ontology for Obstructed Representation Spaces

• arxiv url: http://arxiv.org/abs/2603.20867v1
• Date: Sat, 21 Mar 2026 15:59:29 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-03-24 19:11:39.127914
• Title: Semantic Sections: An Atlas-Native Feature Ontology for Obstructed Representation Spaces
• Title（参考訳）: 意味的セクション: 障害物表現空間のためのアトラス的特徴オントロジー
• Authors: Hossein Javidnia,
• Abstract要約: アトラスネイティブの代替オブジェクトであるセマンティックセクションを導入する。 サイクル一貫性が真のグローバル化の鍵となる基準であることを示す。 Llama 3.2 3B Instruct, Qwen 2.5 3B Instruct, Gemma 2 2B IT において, 層16アトラスの非自明な部分の集団が発見された。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Recent interpretability work often treats a feature as a single global direction, dictionary atom, or latent coordinate shared across contexts. We argue that this ontology can fail in obstructed representation spaces, where locally coherent meanings need not assemble into one globally consistent feature. We introduce an atlas-native replacement object, the semantic section: a transport-compatible family of local feature representatives defined over a context atlas. We formalize semantic sections, prove that tree-supported propagation is always pathwise realizable, and show that cycle consistency is the key criterion for genuine globalization. This yields a distinction between tree-local, globalizable, and twisted sections, with twisted sections capturing locally coherent but holonomy-obstructed meanings. We then develop a discovery-and-certification pipeline based on seeded propagation, synchronization across overlaps, defect-based pruning, cycle-aware taxonomy, and deduplication. Across layer-16 atlases for Llama 3.2 3B Instruct, Qwen 2.5 3B Instruct, and Gemma 2 2B IT, we find nontrivial populations of semantic sections, including cycle-supported globalizable and twisted regimes after deduplication. Most importantly, semantic identity is not recovered by raw global-vector similarity. Even certified globalizable sections show low cross-chart signed cosine similarity, and raw similarity baselines recover only a small fraction of true within-section pairs, often collapsing at moderate thresholds. By contrast, section-based identity recovery is perfect on certified supports. These results support semantic sections as a better feature ontology in obstructed regimes.
• Abstract（参考訳）: 最近の解釈可能性の研究は、ある機能を単一のグローバルな方向、辞書原子、コンテキスト間で共有される潜在座標として扱うことが多い。 このオントロジーは、局所的コヒーレントな意味をグローバルに一貫した1つの特徴に組み立てる必要がないような、妨害された表現空間で失敗する可能性がある。 我々は、文脈アトラス上で定義された局所的特徴代表のトランスポート互換なファミリーである、意味的なセクションである、アトラスネイティブの代替オブジェクトを紹介した。 我々は意味的セクションを定式化し、木を支えた伝播が常に経路的に実現可能であることを証明し、サイクル一貫性が真のグローバル化の鍵となる基準であることを示す。 このことは、ツリーローカル、グローバル化可能、およびツイストされたセクションを区別し、ツイストされたセクションは局所的にコヒーレントだがホロノミーに障害のある意味をキャプチャする。 次に、シード伝播、重なり合う同期、欠陥ベースのプルーニング、サイクル認識型分類、重複解消に基づく発見・認証パイプラインを開発する。 Llama 3.2 3B インストラクト, Qwen 2.5 3B インストラクト, Gemma 2 2 2B IT のレイヤ-16アトラスは, 非自明なセマンティックセクションの集団である。 最も重要なことは、意味的アイデンティティは生のグローバルベクター類似性によって回復されないことである。 認定されたグローバル化可能なセクションでさえ、低いクロスチャートの符号付きコサイン類似性を示し、生の類似性ベースラインは、真の内部のペアのごく一部しか回復せず、しばしば適度な閾値で崩壊する。 対照的に、セクションベースのアイデンティティリカバリは、認定されたサポートでは完璧である。 これらの結果は、障害状態におけるより優れた機能オントロジーとしてセマンティックセクションをサポートする。

関連論文リスト

• Hierarchical Context Alignment with Disentangled Geometric and Temporal Modeling for Semantic Occupancy Prediction [61.484280369655536]
  カメラを用いた3Dセマンティック占領予測(SOP)は、限られた2次元画像観察から複雑な3Dシーンを理解するのに不可欠である。 既存のSOPメソッドは通常、占有表現学習を支援するためにコンテキストの特徴を集約する。 より正確なSOP(Hi-SOP)のための新しい階層型コンテキストアライメントパラダイムを導入する。
  論文  参考訳（メタデータ） (2024-12-11T09:53:10Z)
• Spatial Semantic Recurrent Mining for Referring Image Segmentation [63.34997546393106]
  高品質なクロスモーダリティ融合を実現するために,Stextsuperscript2RMを提案する。 これは、言語特徴の分散、空間的意味的再帰的分離、パーセマンティック・セマンティック・バランシングという三部作の作業戦略に従う。 提案手法は他の最先端アルゴリズムに対して好適に機能する。
  論文  参考訳（メタデータ） (2024-05-15T00:17:48Z)
• 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)
• Leveraging Hidden Positives for Unsupervised Semantic Segmentation [5.937673383513695]
  隠れ陽性を抽出することで、コントラスト学習を活用して、豊かな意味関係を学習する。 隣接パッチ間のセマンティック一貫性を学習するための勾配伝搬戦略を導入する。 提案手法は,COCO-stuff,Cityscapes,Potsdam-3データセットにおけるSOTA(State-of-the-art)の新たな結果を実現する。
  論文  参考訳（メタデータ） (2023-03-27T08:57:28Z)
• Understanding Imbalanced Semantic Segmentation Through Neural Collapse [81.89121711426951]
  セマンティックセグメンテーションは自然に文脈的相関とクラス間の不均衡分布をもたらすことを示す。 機能中心にレギュレータを導入し、ネットワークが魅力ある構造に近い機能を学ぶことを奨励する。 我々の手法は、ScanNet200テストリーダーボードで1位にランクインし、新しい記録を樹立する。
  論文  参考訳（メタデータ） (2023-01-03T13:51:51Z)
• Finding the global semantic representation in GAN through Frechet Mean [4.688163910878411]
  GANにおける中間潜伏空間におけるこの大域的意味基底を求めるための教師なし手法を提案する。 提案されたグローバル基底は Fr'echet ベースと呼ばれ、潜在空間における局所的意味摂動に Fr'echet 平均を導入することによって導かれる。 実験の結果、Fr'echet基底は従来の手法よりも意味的分解と堅牢性の向上をもたらすことが示された。
  論文  参考訳（メタデータ） (2022-10-11T15:01:25Z)
• 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)
• Human Correspondence Consensus for 3D Object Semantic Understanding [56.34297279246823]
  本稿では,CorresPondenceNetという新しいデータセットを提案する。 このデータセットに基づいて、新しい測地的整合性損失を伴う密接なセマンティック埋め込みを学習することができる。 CorresPondenceNetは異種オブジェクトの細粒度理解を促進できるだけでなく、クロスオブジェクト登録や部分オブジェクトマッチングも実現できた。
  論文  参考訳（メタデータ） (2019-12-29T04:24:22Z)

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。