論文の概要: Geometric Decoupling: Diagnosing the Structural Instability of Latent

• arxiv url: http://arxiv.org/abs/2604.18804v1
• Date: Mon, 20 Apr 2026 20:22:27 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-04-22 22:41:49.472023
• Title: Geometric Decoupling: Diagnosing the Structural Instability of Latent
• Title（参考訳）: 幾何学的デカップリング:潜伏剤の構造不安定を診断する
• Authors: Yuanbang Liang, Zhengwen Chen, Yu-Kun Lai,
• Abstract要約: 我々は生成ヤコビアンを解析し、幾何学をtextitLocalScaling (capacity) と textitLocal Complexity (curvature) に分解する。 正規世代の曲率では画像の詳細を機能的に符号化するが、OOD生成では、極端曲率を知覚可能な詳細ではなく不安定な意味境界で無駄にする機能的なデカップリングを示す。
• 参考スコア（独自算出の注目度）: 44.374154158781295
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Latent Diffusion Models (LDMs) achieve high-fidelity synthesis but suffer from latent space brittleness, causing discontinuous semantic jumps during editing. We introduce a Riemannian framework to diagnose this instability by analyzing the generative Jacobian, decomposing geometry into \textit{Local Scaling} (capacity) and \textit{Local Complexity} (curvature). Our study uncovers a \textbf{``Geometric Decoupling"}: while curvature in normal generation functionally encodes image detail, OOD generation exhibits a functional decoupling where extreme curvature is wasted on unstable semantic boundaries rather than perceptible details. This geometric misallocation identifies ``Geometric Hotspots" as the structural root of instability, providing a robust intrinsic metric for diagnosing generative reliability.
• Abstract（参考訳）: 遅延拡散モデル(LDM)は高忠実性合成を実現するが、遅延空間の脆さに悩まされ、編集中に不連続なセマンティックジャンプを引き起こす。 生成ヤコビアンを解析し、幾何学を \textit{Local Scaling} (capacity) と \textit{Local Complexity} (curvature) に分解することにより、この不安定性を診断するためのリーマン的枠組みを導入する。 画像の細部を機能的に符号化する正規世代における曲率(curvature)は, 画像の細部ではなく, 不安定な意味的境界に過度な曲率を浪費する機能的デカップリング(decoupling)を呈するが, 幾何学的誤定は, 不安定性の根源として「幾何ホットスポット」を同定し, 生成信頼性を診断する頑健な内在的指標を提供する。

関連論文リスト

• CCAR: Intrinsic Robustness as an Emergent Geometric Property [0.0]
  本稿では,機能空間を明示的に設計するためのクラス・コンディショナル・アクティベーション・レギュラライゼーション(CCAR)を提案する。 遅延表現をクラスエネルギーに部分空間に形成することにより、自然に雑音や対向摂動をフィルタリングする幾何学的な足場を作る。
  論文  参考訳（メタデータ） (2026-04-18T06:23:24Z)
• Anatomy of a Lie: A Multi-Stage Diagnostic Framework for Tracing Hallucinations in Vision-Language Models [62.932580559941414]
  VLM(Vision-Language Models)は、しばしば「ハロシン化(hallucinate)」する。 本稿では,静的な出力誤差からモデル計算認知の動的病理へ再キャストし,幻覚を診断するための新しいパラダイムを提案する。
  論文  参考訳（メタデータ） (2026-03-16T17:20:38Z)
• Riemannian Flow Matching for Disentangled Graph Domain Adaptation [51.98961391065951]
  グラフドメイン適応(GDA)は典型的には、ユークリッド空間におけるグラフ埋め込みの整列に逆学習を使用する。 DisRFMは、埋め込みとフローベースのトランスポートを統一する幾何学的なGDAフレームワークである。
  論文  参考訳（メタデータ） (2026-01-31T11:05:35Z)
• Causal Manifold Fairness: Enforcing Geometric Invariance in Representation Learning [0.0]
  本稿では,因果推論と幾何学的深層学習を橋渡しする新しいフレームワークであるCausal Manifold Fairness(CMF)を紹介する。 デコーダのヤコビアンとヘシアンに制約を課すことにより、CMFは潜在空間の規則が階層群全体にわたって保持されることを保証する。 CMFを合成構造因果モデル (SCMs) で検証し, タスクユーティリティを保ちながら, 敏感な幾何学的歪みを効果的に解消することを示した。
  論文  参考訳（メタデータ） (2026-01-06T14:05:22Z)
• Manifold Percolation: from generative model to Reinforce learning [0.26905021039717986]
  生成的モデリングは通常、学習マッピング規則としてフレーム化されるが、これらの規則にアクセスできない観察者の視点からすると、そのタスクは確率分布から幾何学的支援を引き離すことになる。 本研究は, サンプリングプロセスが, 高次元密度推定を支持面上の幾何カウント問題に効果的に投射するので, 連続体パーコレーションは, この支援解析に一意に適していることを示す。
  論文  参考訳（メタデータ） (2025-11-25T17:12:42Z)
• Latent Iterative Refinement Flow: A Geometric-Constrained Approach for Few-Shot Generation [5.062604189239418]
  少ショット生成に対する新しいアプローチであるLIRF(Latent Iterative Refinement Flow)を導入する。 LIRFは,新しいtextbfmanifold保存損失をトレーニングしたオートエンコーダを用いて,安定な潜伏空間を確立する。 このサイクルの中で、候補サンプルは幾何的テクスチャ補正演算子によって洗練される。
  論文  参考訳（メタデータ） (2025-09-24T08:57:21Z)
• Decoder ensembling for learned latent geometries [15.484595752241122]
  我々は、関連する予想多様体上の測地線を容易に計算する方法を示す。 このシンプルで信頼性が高く、簡単に使える潜在測地に一歩近づきます。
  論文  参考訳（メタデータ） (2024-08-14T12:35:41Z)
• Last-Iterate Convergence of Adaptive Riemannian Gradient Descent for Equilibrium Computation [52.73824786627612]
  本稿では,テクスト幾何学的強単調ゲームに対する新たな収束結果を確立する。 我々のキーとなる結果は、RGDがテクスト幾何学的手法で最終定位線形収束を実現することを示しています。 全体として、ユークリッド設定を超えるゲームに対して、幾何学的に非依存な最終点収束解析を初めて提示する。
  論文  参考訳（メタデータ） (2023-06-29T01:20:44Z)
• A Unifying and Canonical Description of Measure-Preserving Diffusions [60.59592461429012]
  ユークリッド空間における測度保存拡散の完全なレシピは、最近、いくつかのMCMCアルゴリズムを単一のフレームワークに統合した。 我々は、この構成を任意の多様体に改善し一般化する幾何学理論を開発する。
  論文  参考訳（メタデータ） (2021-05-06T17:36:55Z)

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。