論文の概要: S$^3$: Structured Sparsity Specification
- arxiv url: http://arxiv.org/abs/2604.11315v1
- Date: Mon, 13 Apr 2026 11:18:33 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-04-14 20:13:16.497404
- Title: S$^3$: Structured Sparsity Specification
- Title（参考訳）: S$^3$: Structured Sparsity Specification
- Abstract要約: 構造化スパースパターンを定義し、構成し、実装するためのフレームワークであるStructured Sparsity Specification(S$3$)を紹介します。
S$3$は、粒度の細かいN:Mパターンから粗いチャネルプルーニングまで、多様な空間構造を正確に指定することができる。
- 参考スコア（独自算出の注目度）: 0.6903929927172917
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: We introduce the Structured Sparsity Specification (S$^3$), an algebraic framework for defining, composing, and implementing structured sparse patterns. S$^3$ specifies sparsity through three components: a View that reshapes the tensor via layout composition, a Block specification that defines the atomic pruning unit, and the sparsity decision Scope. Both Block and Scope support Coupling across tensors for coordinated sparsification. S$^3$ enables precise specification of diverse sparsity structures, from fine-grained N:M patterns to coarse channel pruning, and integrates seamlessly with Optimal Brain Damage (OBD) and Surgeon (OBS). We formalize the framework mathematically, demonstrate its expressiveness on canonical patterns, and validate it experimentally via structured OBS and OBD implementations built entirely on S$^3$, which surpasses well-established second order heuristics on output reconstruction across common configurations.
- Abstract（参考訳）: 本稿では,構造化スパースパターンを定義し,構成し,実装するための代数的フレームワークであるStructured Sparsity Specification(S$^3$)を紹介する。
S$^3$は、レイアウト構成を介してテンソルをリサップするビュー、アトミックプルーニング単位を定義するブロック仕様、スペーシティ決定スコープの3つのコンポーネントを通してスペーサを指定します。
BlockとScopeはどちらも、調整されたスパーシフィケーションのためのテンソル間の結合をサポートする。
S$^3$は、細粒度N:Mパターンから粗いチャネルプルーニングまで多様な空間構造を正確に指定し、最適な脳損傷(OBD)とサージョン(OBS)とシームレスに統合する。
提案手法を数学的に定式化し,標準パターンの表現性を実証し,S$^3$上に構築された構造化OBSおよびOBD実装を用いて実験的に検証する。
関連論文リスト
- Stable and Scalable Bundle Adjustment of Holistic 3D Structures [99.03818732955783]
本稿では,3次元コンピュータビジョンのためのBundle Adjustment (BA) の新バージョンを提案する。
BAはカメラ、ポーズ、3Dポイントを共同で最適化するために開発された。
グループ誘導測定とクロスフィーチャー・リジェクションにより、古典的な点のみの3次元正規化の空間性を維持する。
論文 参考訳（メタデータ） (2026-09-03T16:08:03Z) - See More, Match Better: Multi-Source Feature Fusion for Two-View Correspondence Learning [52.52121389921707]
2視点対応学習は、画像対における真対応(インレーシ)と偽対応(インレーシ)とを区別することを目的としている。
既存の手法は主に座標に基づく幾何の整合性に依存する。
本稿では,2視点対応学習のためのマルチソース機能融合フレームワークTriMatchを提案する。
論文 参考訳（メタデータ） (2026-06-08T09:33:01Z) - StructDiff: A Structure-Preserving and Spatially Controllable Diffusion Model for Single-Image Generation [72.84181869780627]
StructDiffは、単一画像生成のための単一スケール拡散モデルに基づく生成フレームワークである。
3次元位置符号化(PE)を空間的先行として組み込んでおり、生成されたオブジェクトの位置、スケール、局所的な詳細を柔軟に制御することができる。
また、テキスト誘導画像生成、画像編集、アウトペインティング、ペイント・ツー・イメージ合成など、下流タスクにも幅広い適用性を示す。
論文 参考訳（メタデータ） (2026-04-14T10:55:43Z) - Decouple and Rectify: Semantics-Preserving Structural Enhancement for Open-Vocabulary Remote Sensing Segmentation [23.298715255853782]
リモートセンシング(RS)分野におけるオープンボキャブラリセマンティックセマンティックセマンティックセマンティクスは、言語対応認識と細粒度空間デライン化の両方を必要とする。
最近の手法は、RS-pretrained DINO特徴を導入して、これを補おうとしている。
本稿では, DR-Segを提案する。
論文 参考訳（メタデータ） (2026-04-02T13:15:05Z) - RiboSphere: Learning Unified and Efficient Representations of RNA Structures [57.40815107640066]
RNAのバックボーンは非常に柔軟で、非カノニカル相互作用が一般的であり、実験的に決定された3D構造は比較的少ない。
本稿では,ベクトル量子化とフローマッチングを組み合わせることで,RNAの固有な幾何学的表現を学習するフレームワークであるemphRiboSphereを紹介する。
論文 参考訳（メタデータ） (2026-03-20T04:36:35Z) - SSR: Pushing the Limit of Spatial Intelligence with Structured Scene Reasoning [30.87517633729756]
SSRはStructured Scene Reasoning用に設計されたフレームワークである。
軽量アライメント機構によって2Dと3Dの表現をシームレスに統合する。
複数の空間インテリジェンスベンチマークで最先端のパフォーマンスを達成する。
論文 参考訳（メタデータ） (2026-02-28T02:05:35Z) - OOWM: Structuring Embodied Reasoning and Planning via Object-Oriented Programmatic World Modeling [62.3458279176813]
ソフトウェア工学のフォーマリズムのレンズを通して推論を具体化する新しいフレームワークであるオブジェクト指向世界モデリング(OOWM)を提案する。
OOWMはクラスダイアグラムを使用して、厳密なオブジェクト階層に視覚的知覚を基盤とし、アクティビティダイアグラムを使用して、計画を実行可能な制御フローに運用する。
論文 参考訳（メタデータ） (2026-02-25T16:01:07Z) - A Study of Adaptive Modeling Towards Robust Generalization [14.00955228748485]
我々は,構造トークンを適応的にスケーリングしながら,幾何学的情報に基づく言語推論を基盤とする,統一された全原子フレームワークを提案する。
様々な全原子のベンチマークにおいて、提案手法は不均一な構造的推論において一貫した利得をもたらす。
論文 参考訳（メタデータ） (2026-02-02T20:35:44Z) - SPGCL: Simple yet Powerful Graph Contrastive Learning via SVD-Guided Structural Perturbation [10.805916465210993]
グラフネットワーク(GNN)は、敵の攻撃や欠陥による構造ノイズに敏感である。
既存のグラフコントラッシブラーニング(GCL)の手法は、通常、多様性のためにランダムな摂動(エッジドロップなど)またはスペクトル増強(SVDなど)に依存する。
SVD誘導構造摂動による強靭なGCLのためのフレームワークであるSPGCLを提案する。
論文 参考訳（メタデータ） (2026-01-20T12:32:24Z) - CUS-GS: A Compact Unified Structured Gaussian Splatting Framework for Multimodal Scene Representation [16.85102888388904]
CUS-GSはコンパクトな統一型ガウススプティング表現である。
本稿では,アンカーの生育と刈り取りをガイドするための特徴認識重要度評価戦略を提案する。
CUS-GSは6Mパラメータしか使用しない最先端の手法と比較して、競争性能が向上する。
論文 参考訳（メタデータ） (2025-11-22T03:42:49Z) - Light-SQ: Structure-aware Shape Abstraction with Superquadrics for Generated Meshes [60.92139345612904]
我々は、新しいスーパークワッドリックベースの最適化フレームワークLight-SQを提案する。
本稿では,構造対応ボリューム分解によるブロック再配置戦略を提案する。
実験によると、Light-SQはスーパークワッドリックで効率よく、高忠実で、編集可能な形状の抽象化を可能にする。
論文 参考訳（メタデータ） (2025-09-29T16:18:32Z) - StructRe: Rewriting for Structured Shape Modeling [60.20359722058389]
本稿では,構造化形状モデリングの新しいアプローチとして,構造書換えシステムであるStructReを提案する。
ポイントとコンポーネントで表される3Dオブジェクトが与えられたら、StructReはそれを上向きに、より簡潔な構造に書き直すか、より詳細な構造に書き直すことができる。
論文 参考訳（メタデータ） (2023-11-29T10:35:00Z) - Unsupervised Learning of Intrinsic Structural Representation Points [50.92621061405056]
3次元形状の学習構造は、コンピュータグラフィックスと幾何学処理の分野における根本的な問題である。
本稿では,3次元構造点の形で新しい構造表現を学習するための簡易かつ解釈不能な手法を提案する。
論文 参考訳（メタデータ） (2020-03-03T17:40:00Z)
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。