Fugu-MT 論文翻訳(概要): The Universal Normal Embedding

論文の概要: The Universal Normal Embedding

arxiv url: http://arxiv.org/abs/2603.21786v1
Date: Mon, 23 Mar 2026 10:28:14 GMT
ステータス: 翻訳完了
システム内更新日: 2026-03-24 19:11:39.608764
Title: The Universal Normal Embedding
Title（参考訳）: ユニバーサル・ノーマル・エンベディング
Authors: Chen Tasker, Roy Betser, Eyal Gofer, Meir Yossef Levi, Guy Gilboa,
Abstract要約: 生成モデルと視覚エンコーダは、異なる目標に最適化され、異なる数学的原理に基礎を置いている。我々は両者が共用潜伏源であるUniversal Normal Embedding (UNE)の見解であると仮定する。本稿では,DDIM逆拡散雑音とマッチングエンコーダ表現からなる画像ごとの潜伏音のデータセットであるNossZooを紹介する。
参考スコア（独自算出の注目度）: 7.356328937024184
License: http://creativecommons.org/licenses/by-nc-sa/4.0/
Abstract: Generative models and vision encoders have largely advanced on separate tracks, optimized for different goals and grounded in different mathematical principles. Yet, they share a fundamental property: latent space Gaussianity. Generative models map Gaussian noise to images, while encoders map images to semantic embeddings whose coordinates empirically behave as Gaussian. We hypothesize that both are views of a shared latent source, the Universal Normal Embedding (UNE): an approximately Gaussian latent space from which encoder embeddings and DDIM-inverted noise arise as noisy linear projections. To test our hypothesis, we introduce NoiseZoo, a dataset of per-image latents comprising DDIM-inverted diffusion noise and matching encoder representations (CLIP, DINO). On CelebA, linear probes in both spaces yield strong, aligned attribute predictions, indicating that generative noise encodes meaningful semantics along linear directions. These directions further enable faithful, controllable edits (e.g., smile, gender, age) without architectural changes, where simple orthogonalization mitigates spurious entanglements. Taken together, our results provide empirical support for the UNE hypothesis and reveal a shared Gaussian-like latent geometry that concretely links encoding and generation. Code and data are available https://rbetser.github.io/UNE/
Abstract（参考訳）: 生成モデルと視覚エンコーダは、異なる目標に最適化され、異なる数学的原理に基礎を置いている。しかし、それらは基本的な性質(潜在空間ガウス性)を共有している。生成モデルはガウスノイズを画像にマッピングし、エンコーダはイメージをガウスノイズとして経験的に振る舞うセマンティック埋め込みにマッピングする。共振器の埋め込みとDDIM反転雑音がノイズ線型射影として生じるほぼガウスの潜在空間である共通正規埋め込み(UNE)の視点を仮定する。この仮説を検証するために、DDIM反転拡散雑音とマッチングエンコーダ表現(CLIP, DINO)からなる画像ごとの潜伏音のデータセットであるNossZooを導入する。 CelebAでは、両空間の線形プローブが強いアライメント特性予測をもたらし、生成ノイズが線形方向に沿った意味論的意味を符号化していることを示す。これらの方向は、アーキテクチャの変更なしに忠実でコントロール可能な編集(例えば、笑顔、性別、年齢)を可能にする。その結果,UNE仮説を実証的に支持し,符号化と生成を具体的にリンクする共有ガウス的な潜在幾何学を明らかにした。コードとデータはhttps://rbetser.github.io/UNE/

関連論文リスト

VAE with Hyperspherical Coordinates: Improving Anomaly Detection from Hypervolume-Compressed Latent Space [56.362776482614976]
変分オートエンコーダ(VAE)は、これらのベクトルをデータに復号する前に、データを低次元の潜在ベクトルに符号化する。本稿では,超球面座標を用いてVAEの潜伏変数を定式化し,超球面上の所定の方向に向かって潜伏ベクトルを圧縮する手法を提案する。これにより、VAEの完全な教師なしおよびOOD異常検出能力が向上し、検討したデータセット上で最高のパフォーマンスを達成できることが示される。
論文参考訳（メタデータ） (2026-01-25T03:10:24Z)
From Noise to Latent: Generating Gaussian Latents for INR-Based Image Compression [15.519085773825656]
最近の暗黙的ニューラル表現(INR)に基づく画像圧縮法は、画像固有の潜時符号を過度に適合させることで、競争性能を示している。本稿では,複数スケールのガウス雑音から画像特異的潜伏音を再構成する新しい画像圧縮パラダイムを提案する。提案手法は,KodakおよびCLICデータセット上での競合速度歪み性能を実現し,潜時符号の送信を不要とする。
論文参考訳（メタデータ） (2025-11-11T09:12:03Z)
GaussianToken: An Effective Image Tokenizer with 2D Gaussian Splatting [64.84383010238908]
本稿では,2次元ガウススプラッティングを解法とする効果的な画像トークン化手法を提案する。一般に、我々のフレームワークは、2次元ガウス分布の局所的な影響を離散空間に統合する。 CIFAR, Mini-Net, ImageNet-1K 上での競合的再構成性能は,我々のフレームワークの有効性を示す。
論文参考訳（メタデータ） (2025-01-26T17:56:11Z)
SmileSplat: Generalizable Gaussian Splats for Unconstrained Sparse Images [91.28365943547703]
SmileSplatという新しい一般化可能なガウス格子法が提案され,様々なシナリオに対して画素整列ガウス波を再構成する。提案手法は,様々な3次元視覚タスクにおける最先端性能を実現する。
論文参考訳（メタデータ） (2024-11-27T05:52:28Z)
There and Back Again: On the relation between Noise and Image Inversions in Diffusion Models [3.8384683391475556]
拡散モデルは新しいサンプルを生成するが、データを編集可能な機能にエンコードする低次元の潜在空間がない。インバージョンベースの手法は、デノベーション軌道を逆転させ、画像を近似したスタートノイズに転送することでこの問題に対処する。その結果,潜伏剤はスムーズな画像領域で予測される低ノイズの形で構造パターンを示すことがわかった。
論文参考訳（メタデータ） (2024-10-31T00:30:35Z)
PixelGaussian: Generalizable 3D Gaussian Reconstruction from Arbitrary Views [116.10577967146762]
PixelGaussianは、任意の視点から一般化可能な3Dガウス再構成を学習するための効率的なフレームワークである。提案手法は,様々な視点によく一般化した最先端性能を実現する。
論文参考訳（メタデータ） (2024-10-24T17:59:58Z)
UniGS: Modeling Unitary 3D Gaussians for Novel View Synthesis from Sparse-view Images [20.089890859122168]
我々は,新しい3次元ガウス再構成と新しいビュー合成モデルであるUniGSを紹介する。 UniGSは、任意の数のスパースビュー画像から3Dガウスの高忠実度表現を予測する。
論文参考訳（メタデータ） (2024-10-17T03:48:02Z)
Information limits and Thouless-Anderson-Palmer equations for spiked matrix models with structured noise [19.496063739638924]
構造スパイクモデルに対するベイズ推定の飽和問題を考える。適応的なThouless-Anderson-Palmer方程式の理論にインスパイアされた効率的なアルゴリズムを用いて、統計的限界を予測する方法を示す。
論文参考訳（メタデータ） (2024-05-31T16:38:35Z)
GaussianFormer: Scene as Gaussians for Vision-Based 3D Semantic Occupancy Prediction [70.65250036489128]
3Dのセマンティック占有予測は,周囲のシーンの3Dの微細な形状とセマンティックスを得ることを目的としている。本稿では,3Dシーンを3Dセマンティック・ガウシアンで表現するオブジェクト中心表現を提案する。 GaussianFormerは17.8%から24.8%のメモリ消費しか持たない最先端のメソッドで同等のパフォーマンスを実現している。
論文参考訳（メタデータ） (2024-05-27T17:59:51Z)

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。