論文の概要: Vector Linking via Cross-Model Local Isometric Consistency

• arxiv url: http://arxiv.org/abs/2605.31100v1
• Date: Fri, 29 May 2026 10:12:52 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-06-01 20:56:50.530292
• Title: Vector Linking via Cross-Model Local Isometric Consistency
• Title（参考訳）: モデル間局所等尺性によるベクトルリンク
• Abstract要約: ベクトルリンク(Vector Linking): 部分的に重なり合うデータセット上で異なるブラックボックスエンコーダによって生成された2つの埋め込みクラウドを与えられた場合、ベクトルのみを用いて、クロスモデルオブジェクトの対応を復元する。 本稿では,2組のアンカーの小さなシードセットからベクトルリンクを復元する反復的,参照型幾何埋め込みハッシュを提案する。 複数のベンチマークと組込みモデルペアによる実験は、さまざまなオーバーラップ、シード予算、ドメイン外のアンカーの下で、正確で堅牢なリンクを示しています。
• 参考スコア（独自算出の注目度）: 11.584547136733889
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: We study Vector Linking: given two embedding clouds produced by different black-box encoders over partially overlapping datasets, recover cross-model object correspondences using only vectors. Empirically and theoretically, we show that independently trained contrastive encoders exhibit local geometric consistency: short-range distances are approximately preserved up to a scale factor, while long-range distances are not due to model-specific distortion. Building on this, we propose an iterative, reference-based geometric embedding hashing that recovers vector links from a tiny seed set of paired anchors. It represents each vector by distances to sampled paired anchors, proposes candidate links via hash-space matching, and aggregates evidence across views in a Beta-Bernoulli posterior to bootstrap high-confidence links as new anchors. Experiments across multiple benchmarks and embedding model pairs demonstrate accurate and robust linking under varying overlap, seed budgets, and out-of-domain anchors, with applications to vector database integration and cross-model clustering. Code is available at https://github.com/DBgroup-Edinburgh/VecLinking.
• Abstract（参考訳）: ベクトルリンク(Vector Linking): 部分的に重なり合うデータセット上で異なるブラックボックスエンコーダによって生成された2つの埋め込みクラウドを与えられた場合、ベクトルのみを用いて、クロスモデルオブジェクトの対応を復元する。 実験的および理論的には、独立に訓練されたコントラストエンコーダは局所的な幾何学的整合性を示し、短距離距離はスケール係数までほぼ保存されるが、長距離距離はモデル固有の歪みによるものではない。 そこで本研究では,2組のアンカーの小さなシードセットからベクトルリンクを復元する,反復的な参照型幾何埋め込みハッシュを提案する。 サンプル化されたアンカーからの距離で各ベクトルを表現し、ハッシュ空間マッチングによる候補リンクを提案し、ベータ・ベルヌーリの後部のビューでエビデンスを集約し、新しいアンカーとして高信頼リンクをブートストラップする。 複数のベンチマークと埋め込みモデルペアの実験は、さまざまなオーバーラップ、シード予算、ドメイン外のアンカーの下で、正確で堅牢なリンクを示し、ベクタデータベース統合やクロスモデルクラスタリングへの応用がある。 コードはhttps://github.com/DBgroup-Edinburgh/VecLinking.comで入手できる。

関連論文リスト

• PalmBridge: A Plug-and-Play Feature Alignment Framework for Open-Set Palmprint Verification [38.68283582292019]
  PalmBridgeは、ベクトル量子化に基づくオープンセットパームプリント検証のためのプラグアンドプレイフレームワークである。 そこで,PalmBridgeは,データセット内オープンセット評価において一貫してEERを削減し,無視可能なランタイムオーバーヘッドでデータセット間の一般化を改善する。
  論文  参考訳（メタデータ） (2026-01-28T08:09:49Z)
• Towards Learnable Anchor for Deep Multi-View Clustering [49.767879678193005]
  本稿では,線形時間でクラスタリングを行うDeep Multi-view Anchor Clustering (DMAC)モデルを提案する。 最適なアンカーを用いて、全サンプルグラフを計算し、クラスタリングのための識別的埋め込みを導出する。 いくつかのデータセットの実験では、最先端の競合に比べてDMACの性能と効率が優れていることが示されている。
  論文  参考訳（メタデータ） (2025-03-16T09:38:11Z)
• Large-Margin Representation Learning for Texture Classification [67.94823375350433]
  本稿では,テクスチャ分類のための小さなデータセット上で教師付きモデルをトレーニングするために,畳み込み層(CL)と大規模計量学習を組み合わせた新しいアプローチを提案する。 テクスチャと病理画像データセットの実験結果から,提案手法は同等のCNNと比較して計算コストが低く,収束が早く,競争精度が向上することが示された。
  論文  参考訳（メタデータ） (2022-06-17T04:07:45Z)
• Hyperbolic Vision Transformers: Combining Improvements in Metric Learning [116.13290702262248]
  計量学習のための新しい双曲型モデルを提案する。 本手法のコアとなるのは、双曲空間にマッピングされた出力埋め込みを備えた視覚変換器である。 4つのデータセットに6つの異なる定式化を施したモデルの評価を行った。
  論文  参考訳（メタデータ） (2022-03-21T09:48:23Z)
• Learning Cluster Patterns for Abstractive Summarization [0.0]
  そこで我々は,デコーダがより有意な文脈ベクトルに参加できるような,有意なコンテキストベクトルと非有意なコンテキストベクトルの2つのクラスタについて考察する。 実験結果から,提案モデルは,これらの異なるクラスタパターンを学習することにより,既存のBARTモデルよりも優れた性能を示すことが示された。
  論文  参考訳（メタデータ） (2022-02-22T15:15:24Z)
• DPC: Unsupervised Deep Point Correspondence via Cross and Self Construction [29.191330510706408]
  本稿では, 形状構造に基づく点雲間のリアルタイム非剛性密度対応法を提案する。 提案手法はディープポイント対応 (DPC) と呼ばれ, 従来の手法と比較してトレーニングデータのごく一部を必要とする。 提案手法は,最近の最先端対応手法と比較して性能が向上する。
  論文  参考訳（メタデータ） (2021-10-16T18:41:13Z)
• PCAM: Product of Cross-Attention Matrices for Rigid Registration of Point Clouds [79.99653758293277]
  PCAMは、キー要素がクロスアテンション行列のポイントワイズ積であるニューラルネットワークである。 そこで本研究では,PCAMがステップ(a)とステップ(b)をディープネットを介して共同で解決する手法によって,最先端の成果が得られることを示す。
  論文  参考訳（メタデータ） (2021-10-04T09:23:27Z)
• Finding Geometric Models by Clustering in the Consensus Space [61.65661010039768]
  本稿では,未知数の幾何学的モデル,例えばホモグラフィーを求めるアルゴリズムを提案する。 複数の幾何モデルを用いることで精度が向上するアプリケーションをいくつか提示する。 これには、複数の一般化されたホモグラフからのポーズ推定、高速移動物体の軌道推定が含まれる。
  論文  参考訳（メタデータ） (2021-03-25T14:35:07Z)
• Learning Spatio-Appearance Memory Network for High-Performance Visual Tracking [79.80401607146987]
  既存のオブジェクトトラッキングは通常、フレーム間の視覚的ターゲットにマッチするバウンディングボックスベースのテンプレートを学習する。 本稿では,局所時間メモリネットワークを備え,正確な時空間対応を学習するセグメンテーションに基づくトラッキングアーキテクチャを提案する。
  論文  参考訳（メタデータ） (2020-09-21T08:12:02Z)
• Align Deep Features for Oriented Object Detection [40.28244152216309]
  本稿では、FAM(Feature Alignment Module)とODM(Oriented Detection Module)の2つのモジュールからなる単発アライメントネットワーク(S$2$A-Net)を提案する。 FAMは、アンカー・リファインメント・ネットワークで高品質なアンカーを生成し、アンカーボックスに応じた畳み込み特徴と、新しいアライメント・コンボリューション・コンボリューションとを適応的に調整することができる。 ODMは、まず、向き情報を符号化するためにアクティブな回転フィルタを採用し、次に、分類スコアとローカライゼーション精度の不整合を軽減するために、向きに敏感で方向不変な特徴を生成する。
  論文  参考訳（メタデータ） (2020-08-21T09:55:13Z)

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。