論文の概要: A Resource-Aligned Hybrid Quantum-Classical Framework for Multimodal Face Anti-Spoofing

• arxiv url: http://arxiv.org/abs/2603.27852v1
• Date: Sun, 29 Mar 2026 20:12:47 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-03-31 23:18:45.143
• Title: A Resource-Aligned Hybrid Quantum-Classical Framework for Multimodal Face Anti-Spoofing
• Title（参考訳）: マルチモーダル顔アンチスプーフィングのための資源配向型ハイブリッド量子古典的フレームワーク
• Authors: Wanqi Sun, Jungang Xu, Chenghua Duan,
• Abstract要約: マルチモーダル面の反偽造では、線形圧縮法は、限られた量子予算を満たすために次元性を減少させることができる。 本稿では,MPS が構造化された事前量子圧縮・融合モジュールとして機能するハイブリッド Matrix Product State (MPS)-Variational Quantum Circuit (VQC) フレームワークを提案する。 我々はMPS-VQCが0.25M未満のパラメータを持つ強い古典的ニューラルネットワークベースラインに匹敵する精度を達成することを示す。
• 参考スコア（独自算出の注目度）: 11.018914804434301
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Embedding high-dimensional data into resource-limited quantum devices remains a significant challenge for practical quantum machine learning. In multimodal face anti-spoofing, while linear compression methods such as principal component analysis can reduce dimensionality to accommodate limited quantum budgets, such approaches often lose critical high-order cross-modal correlations due to the loss of structural information. To this end, we propose a hybrid Matrix Product State (MPS)-Variational Quantum Circuit (VQC) framework, where the MPS serves as a structured, differentiable pre-quantum compression and fusion module, and the VQC acts as the quantum classifier. Built upon the low-rank structure controlled by the virtual bond dimension and integrated with a configurable nonlinear enhancement mechanism, this MPS module explicitly models long-range cross-modal correlations while compressing multimodal data into a compact representation matching the quantum budget and improving numerical stability under extreme compression. Experiments on the CASIA-SURF benchmark demonstrate that MPS-VQC achieves accuracy comparable to strong classical neural network baselines with fewer than 0.25M parameters, highlighting the parameter efficiency of tensor-network representations for high-dimensional multimodal data under tight resource budgets. Leveraging the intrinsic compatibility between MPS structures and quantum circuit topology, this framework not only provides a viable technological pathway for efficient multimodal anti-spoofing on NISQ devices but also serves as a stepping stone toward fully quantum implementations of such tasks in the future.
• Abstract（参考訳）: リソース制限された量子デバイスに高次元データを埋め込むことは、実用的な量子機械学習にとって重要な課題である。 マルチモーダル面のアンチ・スプーフィングでは、主成分分析のような線形圧縮手法は、限られた量子予算に対応するために次元性を減少させるが、そのような手法は構造情報の欠如により重要な高次クロスモーダル相関を失うことが多い。 この目的のために,MPS を構造化・微分可能なプレ量子圧縮・融合モジュールとして機能し,VQC を量子分類器として機能するハイブリッド Matrix Product State (MPS)-Variational Quantum Circuit (VQC) フレームワークを提案する。 このMPSモジュールは、仮想結合次元によって制御され、構成可能な非線形拡張機構と統合された低ランク構造に基づいて、多モードデータを量子予算に適合するコンパクトな表現に圧縮し、極端な圧縮の下で数値安定性を向上しながら、長距離クロスモーダル相関を明示的にモデル化する。 CASIA-SURFベンチマークの実験では、MPS-VQCは0.25M未満のパラメータを持つ強力な古典的ニューラルネットワークベースラインに匹敵する精度を達成し、リソース予算の厳しい高次元マルチモーダルデータに対するテンソルネットワーク表現のパラメータ効率を強調した。 MPS構造と量子回路トポロジーの本質的な互換性を活用することで、NISQデバイス上で効率的なマルチモーダル・アンチ・スポーフィングを実現するための実行可能な技術パスを提供するだけでなく、将来的にはそのようなタスクの完全な量子実装への一歩として機能する。

関連論文リスト

• Physics-Informed Hybrid Quantum-Classical Dispatching for Large-Scale Renewable Power Systems:A Noise-Resilient Framework [9.378801906395179]
  高ペネレーションエネルギーは、電力系統のディスパッチ最適化に重大性と非古典性をもたらす。 既存のアプローチでは、電力網を「ブラックボックス」として扱うのが一般的である。 本稿では、PIHQ-CD(Hybrid Quantum-Bridging Dispatching)フレームワークを提案する。
  論文  参考訳（メタデータ） (2026-01-26T13:35:54Z)
• Reinforcement Learning for Quantum Network Control with Application-Driven Objectives [53.03367590211247]
  動的プログラミングと強化学習は、制御戦略を最適化するための有望なツールを提供する。 非線形で微分可能な目的関数を直接最適化する新しいRLフレームワークを提案する。 我々の研究は、RLを持つ量子ネットワークにおける非線形目的関数最適化への第一歩であり、より高度なユースケースへの道を開く。
  論文  参考訳（メタデータ） (2025-09-12T18:41:10Z)
• TensorHyper-VQC: A Tensor-Train-Guided Hypernetwork for Robust and Scalable Variational Quantum Computing [50.95799256262098]
  量子機械学習のための新しいテンソルトレイン(TT)誘導ハイパーネットワークフレームワークであるHyper-VQCを紹介する。 我々のフレームワークは、量子回路パラメータの生成を古典的なTTネットワークに委譲し、量子ハードウェアから最適化を効果的に分離する。 これらの結果から、Hyper-VQCは、短期デバイス上での実用的な量子機械学習を促進するためのスケーラブルで耐雑音性のあるフレームワークとして位置づけられる。
  論文  参考訳（メタデータ） (2025-08-01T23:37:55Z)
• Hybrid Quantum Classical Surrogate for Real Time Inverse Finite Element Modeling in Digital Twins [4.978621186982144]
  橋、パイプライン、およびオフショアプラットフォームのような大規模な土木構造物は、予期せぬ失敗が経済的・安全的な影響を引き起こす現代のインフラにとって不可欠である。 FEモデリングは、リアルタイム構造健康モニタリング(SHM)に広く用いられているが、その計算コストが高く、逆FE分析の複雑さは、現在進行中の課題である。 本稿では,これらの問題に対処するハイブリッド量子古典多層パーセプトロンフレームワークを提案する。
  論文  参考訳（メタデータ） (2025-07-30T04:09:49Z)
• A purely Quantum Generative Modeling through Unitary Scrambling and Collapse [6.647966634235082]
  量子スクランブルと崩壊生成モデル(Quantum Scrambling and Collapse Generative Model, QGen)は、古典的な依存関係を排除する純粋量子パラダイムである。 本研究では,学習をトラクタブルなサブプロブレムに分解し,バレンプラトーを緩和する測定に基づく学習原理を導入する。 経験的に、QGenは、有限ショットサンプリングの下で堅牢性を維持しながら、一致したパラメータ予算の下で古典的およびハイブリッド的ベースラインを上回っている。
  論文  参考訳（メタデータ） (2025-06-12T11:00:21Z)
• VQC-MLPNet: An Unconventional Hybrid Quantum-Classical Architecture for Scalable and Robust Quantum Machine Learning [50.95799256262098]
  変分量子回路(VQC)は量子機械学習を約束するが、表現性、訓練性、耐雑音性の課題に直面している。 本稿では,VQCが学習中に古典多層パーセプトロンの第一層重みを生成するハイブリッドアーキテクチャであるVQC-MLPNetを提案する。
  論文  参考訳（メタデータ） (2025-06-12T01:38:15Z)
• Toward Large-Scale Distributed Quantum Long Short-Term Memory with Modular Quantum Computers [5.673361333697935]
  我々は、ノイズ中間スケール量子(NISQ)デバイス上でのスケーラビリティ問題に対処するために、分散量子長短期メモリ(QLSTM)フレームワークを導入する。 QLSTMは長期の時間的依存関係をキャプチャし、分散アーキテクチャは基礎となる変分量子回路をより小さく管理可能なサブ回路に分割する。 分散QLSTMは,古典的アプローチと比較して,安定した収束とトレーニングダイナミクスの向上を実現している。
  論文  参考訳（メタデータ） (2025-03-18T10:07:34Z)
• Quantum-Train with Tensor Network Mapping Model and Distributed Circuit Ansatz [0.8192907805418583]
  量子トレイン(Quantum-Train、QT)は、量子古典機械学習のハイブリッドフレームワークである。 量子状態の測定を古典的なニューラルネットワークの重みにマッピングする。 従来のQTフレームワークでは、このタスクにマルチレイヤパーセプトロン(MLP)を採用しているが、スケーラビリティと解釈可能性に苦慮している。 複数の小さな量子処理ユニットノードを持つ大規模量子機械学習用に設計された分散回路アンサッツを提案する。
  論文  参考訳（メタデータ） (2024-09-11T03:51:34Z)
• Decomposition of Matrix Product States into Shallow Quantum Circuits [62.5210028594015]
  テンソルネットワーク(TN)アルゴリズムは、パラメタライズド量子回路(PQC)にマッピングできる 本稿では,現実的な量子回路を用いてTN状態を近似する新しいプロトコルを提案する。 その結果、量子回路の逐次的な成長と最適化を含む1つの特定のプロトコルが、他の全ての手法より優れていることが明らかとなった。
  論文  参考訳（メタデータ） (2022-09-01T17:08:41Z)
• Synergy Between Quantum Circuits and Tensor Networks: Short-cutting the Race to Practical Quantum Advantage [43.3054117987806]
  本稿では,量子回路の初期化を最適化するために,古典計算資源を利用するスケーラブルな手法を提案する。 本手法は, PQCのトレーニング性, 性能を, 様々な問題において著しく向上させることを示す。 古典的コンピュータを用いて限られた量子資源を増強する手法を実証することにより、量子コンピューティングにおける量子と量子に着想を得たモデル間の相乗効果を実証する。
  論文  参考訳（メタデータ） (2022-08-29T15:24:03Z)

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。