論文の概要: SLAP: The Semantic Least Action Principle for Variational Video-Language Modeling

• arxiv url: http://arxiv.org/abs/2605.30750v1
• Date: Fri, 29 May 2026 02:28:33 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-06-01 20:56:50.345407
• Title: SLAP: The Semantic Least Action Principle for Variational Video-Language Modeling
• Title（参考訳）: SLAP: 変分ビデオランゲージモデリングのためのセマンティックリーストアクション原則
• Abstract要約: 生成幻覚(例えば、潜伏拡散)や自己回帰外挿は、しばしば長い地平線上での意味的一貫性を維持するのに失敗する。 確率生成から変分力学へのパラダイムシフトをtextbfSemantic Least Action Principle (SLAP) を用いて提案する。
• 参考スコア（独自算出の注目度）: 13.404415593709986
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: In the era of Large Video-Language Models (LVLMs), the computational necessity of sparse frame sampling creates a fundamental ``temporal gap'', rendering models blind to critical causal transitions. Existing solutions relying on generative hallucination (e.g., latent diffusion) or autoregressive extrapolation often fail to maintain semantic consistency over long horizons, suffering from object vanishing and energetic instability. We propose a paradigm shift from probabilistic generation to variational mechanics with the \textbf{Semantic Least Action Principle (SLAP)}. Drawing a rigorous isomorphism between classical mechanics and semantic dynamics, we model the latent video trajectory as a path on a Riemannian manifold governed by a Semantic Lagrangian. By formulating the interpolation task as a Boundary Value Problem (BVP) solved via the discrete Euler-Lagrange equations, SLAP naturally enforces object persistence without pixel-level rendering. Extensive experiments show the effectiveness of our proposed SLAP.
• Abstract（参考訳）: LVLM(Large Video-Language Models)の時代において、スパースフレームサンプリングの計算の必要性は、基本的な「時間的ギャップ」を生じさせ、重要な因果遷移を無視するモデルを生み出す。 生成幻覚(例えば、潜伏拡散)や自己回帰外挿に依存する既存の解はしばしば、物体の消滅とエネルギー不安定に苦しむ長い地平線上の意味的一貫性を維持するのに失敗する。 本稿では,確率生成から変分力学へのパラダイムシフトを,SLAP(textbf{Semantic Least Action Principle)を用いて提案する。 古典力学と意味力学の間の厳密な同型を描画し、この潜在的ビデオ軌跡を、セマンティックラグランジアンによって支配されるリーマン多様体上の経路としてモデル化する。 補間タスクを離散オイラー・ラグランジュ方程式によって解く境界値問題(BVP)として定式化することにより、SLAPはピクセルレベルのレンダリングなしで自然にオブジェクトの永続化を強制する。 拡張実験により,提案したSLAPの有効性が示された。

関連論文リスト

• Stable by Construction: Variational Latent Markov Operators for Long-Horizon PDE Prediction [12.736876538921626]
  物理的状態が潜在分布で表され、確率的遷移によって進化する潜在マルコフ力学を導入する。 本研究では,空間分解された潜伏場,ガウス摂動構造,ニューラル-演算遷移を組み合わせた変分自動符号化マルコフ演算子(VAMO)として,このフレームワークをインスタンス化する。
  論文  参考訳（メタデータ） (2026-09-15T04:28:59Z)
• Prototype-Anchored Generalized Manifold Regression for Unknown-Domain Object Detection [58.25418970608328]
  単一ソースドメイン上でトレーニングされた検出器を複数の未確認領域に転送することを目的としたシングルドメイン一般化オブジェクト検出(Single-DGOD)について検討する。 既存の手法は主に、トレーニング分布を拡大するために、データ拡張やテキストプロンプトといったシミュレーション駆動の戦略に依存している。 本稿では, 未知領域の一般化を多様体回帰問題として定式化する, Visual-Text Dual Chain-of-Thought (MR-DCoT) を用いたマニフォールド回帰を提案する。
  論文  参考訳（メタデータ） (2026-07-08T09:27:15Z)
• LaWM: Least Action World Models for Long-Horizon Physical Consistency from Visual Observations [9.35652906982887]
  学習された視覚的潜伏空間における最小アクションの原理を運用するためのラストアクション世界モデル(LaWM)を提案する。 LaWMは、学習された一般化された座標に観測を符号化し、連続的な潜伏状態上で潜在離散ラグランジアンを学ぶ。 遷移は離散的な変動原理によって誘導されるため、LaWMは長期の視覚予測のための構造保存バイアスを提供する。
  論文  参考訳（メタデータ） (2026-05-08T07:03:13Z)
• Early Decisions Matter: Proximity Bias and Initial Trajectory Shaping in Non-Autoregressive Diffusion Language Models [54.16797570104461]
  拡散ベースの言語モデル (dLLMs) は自己回帰型言語モデルに代わる有望な代替品として登場した。 時間軸に沿った推論ダイナミクスを系統的に解析し, dLLMの非自己回帰復号化について検討した。
  論文  参考訳（メタデータ） (2026-04-12T10:26:41Z)
• Neural Implicit Action Fields: From Discrete Waypoints to Continuous Functions for Vision-Language-Action Models [35.98187913967879]
  本稿では,行動予測を離散的な視点から連続的な行動関数の回帰へ変換するパラダイムシフトを提案する。 提案手法は, CALVIN および LIBERO ベンチマークにおいて, 種々のバックボーンにまたがって, 最新の結果が得られる。
  論文  参考訳（メタデータ） (2026-03-02T11:48:24Z)
• IDLM: Inverse-distilled Diffusion Language Models [70.5793829229702]
  Inverse Distillation(逆蒸留)は、もともと連続拡散モデルを加速するために開発された技法で、離散的な設定に拡張する。 理論的観点からは、逆蒸留の目的には一意性保証が欠如しており、これは準最適解に繋がる可能性がある。 Inverse-distilled Diffusion Language Models (IDLM) は推論ステップ数を4x-64x削減する。
  論文  参考訳（メタデータ） (2026-02-22T06:47:04Z)
• Drift No More? Context Equilibria in Multi-Turn LLM Interactions [58.69551510148673]
  コンテキストドリフト(Contexts drift)とは、ターン間のゴール一貫性のある振る舞いからモデルが出力する出力の段階的なばらつきである。 シングルターンエラーとは異なり、ドリフトは時間的に展開し、静的な評価指標では捉えにくい。 マルチターンドリフトは、避けられない崩壊というよりも、制御可能な平衡現象として理解できることを示す。
  論文  参考訳（メタデータ） (2025-10-09T04:48:49Z)
• Multimodal LLM-Guided Semantic Correction in Text-to-Image Diffusion [52.315729095824906]
  MLLM Semantic-Corrected Ping-Pong-Ahead Diffusion (PPAD) は,マルチモーダル大言語モデル(MLLM)を推論中の意味的オブザーバとして導入する新しいフレームワークである。 中間世代をリアルタイムに分析し、潜在意味的不整合を識別し、フィードバックを制御可能な信号に変換し、残りの認知ステップを積極的に導く。 大規模な実験ではPPADの大幅な改善が示されている。
  論文  参考訳（メタデータ） (2025-05-26T14:42:35Z)
• Generalized Interpolating Discrete Diffusion [65.74168524007484]
  仮面拡散はその単純さと有効性のために一般的な選択である。 ノイズ発生過程の設計において、より柔軟性の高い離散拡散(GIDD)を補間する新しいファミリを一般化する。 GIDDの柔軟性をエクスプロイトし、マスクと均一ノイズを組み合わせたハイブリッドアプローチを探索し、サンプル品質を向上する。
  論文  参考訳（メタデータ） (2025-03-06T14:30:55Z)
• A Stochastic Dynamical Theory of LLM Self-Adversariality: Modeling Severity Drift as a Critical Process [0.0]
  本稿では,大規模言語モデル(LLM)が自身のチェーン・オブ・シント推論を通じて,潜伏バイアスや毒性を自己増幅する方法を理解するための連続時間動的フレームワークを提案する。 このモデルは、微分方程式(SDE)の下で進化し、ドリフト項 $mu(x)$ と拡散 $sigma(x)$ の即時「重大」変数 $x(t) を仮定する。
  論文  参考訳（メタデータ） (2025-01-28T08:08:25Z)
• FFHFlow: Diverse and Uncertainty-Aware Dexterous Grasp Generation via Flow Variational Inference [36.02645364048733]
  本稿では,多種多様な頑健なマルチフィンガーグリップを生成するフローベース変分フレームワークFFHFlowを提案する。 流れの可逆性と正確な確率を利用して、FFHFlowは部分的な観測において不確実性を形成する。 また,不確実性を考慮したランキング戦略を定式化することにより,識別的把握評価器をフロー可能性と統合する。
  論文  参考訳（メタデータ） (2024-07-21T13:33:08Z)
• Denoising Diffusion Variational Inference: Diffusion Models as Expressive Variational Posteriors [11.01598521921903]
  DDVIは潜在変数モデルのためのブラックボックス変分推論アルゴリズムである。 拡散に基づく変動後肢の表現型クラスを導入する。 我々はこれらの後部を、新しい規則化された証拠を低い境界で訓練する。
  論文  参考訳（メタデータ） (2024-01-05T10:27:44Z)
• A Variational Inference Approach to Inverse Problems with Gamma Hyperpriors [60.489902135153415]
  本稿では,ガンマハイパープライヤを用いた階層的逆問題に対する変分反復交替方式を提案する。 提案した変分推論手法は正確な再構成を行い、意味のある不確実な定量化を提供し、実装が容易である。
  論文  参考訳（メタデータ） (2021-11-26T06:33:29Z)
• Addressing the Topological Defects of Disentanglement via Distributed Operators [10.29148285032989]
  ゆがみに対する一般的なアプローチは、これらの因子をモデルの潜在表現の別個の部分空間にマッピングする学習である。 ここでは、画像に作用する広範な変換系に対して、この手法がトポロジ的欠陥をもたらすことを示す。 群表現論の古典的な結果に動機付けられ、より柔軟な解離へのアプローチについて研究する。
  論文  参考訳（メタデータ） (2021-02-10T18:34:55Z)
• Discrete Variational Attention Models for Language Generation [51.88612022940496]
  本稿では,言語における離散性に起因する注意機構のカテゴリー分布を考慮した離散的変動注意モデルを提案する。 離散性の特質により,提案手法の訓練は後部崩壊に支障を来さない。
  論文  参考訳（メタデータ） (2020-04-21T05:49:04Z)

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。