論文の概要: Is Zero-Shot Super-Resolution Possible in Operator Learning?

• arxiv url: http://arxiv.org/abs/2606.00296v1
• Date: Fri, 29 May 2026 19:26:58 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-06-02 21:34:28.262481
• Title: Is Zero-Shot Super-Resolution Possible in Operator Learning?
• Title（参考訳）: ゼロショット超解法は演算子学習において可能か?
• Abstract要約: 演算子学習におけるゼロショット超解像の体系的理論的研究について述べる。 まず,ゼロショット超解像は,良質な設定でも情報理論上不可能であることを示す。 すると、出力関数の「H」古い滑らかさをゼロショット超解像の十分条件とみなす。
• 参考スコア（独自算出の注目度）: 29.748206944304798
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Neural operators are often reported to exhibit zero-shot super-resolution, a phenomenon in which a model trained on coarse grids produces accurate predictions on finer testing grids without additional retraining. Despite strong empirical evidence, the theoretical foundations of this phenomenon remain unclear. In this work, we provide a systematic theoretical study of zero-shot super-resolution in operator learning. We first show that zero-shot super-resolution can be information-theoretically impossible even in benign settings such as when the input functions are available over the entire continuum and the ground truth is a simple rank-one linear operator. We then identify H{\" o}lder smoothness of the output functions as a sufficient condition for zero-shot super-resolution and derive corresponding generalization bounds. Finally, we also validate the identified failure modes through experimental results.
• Abstract（参考訳）: ニューラル演算子はしばしばゼロショット超解像を示すと報告されており、これは粗いグリッドで訓練されたモデルが追加のリトレーニングなしでより詳細なテストグリッド上で正確な予測を行う現象である。 強い経験的証拠にもかかわらず、この現象の理論的基礎はいまだ不明である。 本研究では,演算子学習におけるゼロショット超解像の体系的理論的研究を行う。 まず、ゼロショット超解像は、連続体全体にわたって入力関数が利用可能であり、基底真理が単純なランク1線型作用素であるような良質な設定でも、情報理論的に不可能であることを示す。 次に、出力関数の「H{\」o}lder滑らかさをゼロショット超分解能の十分条件とし、対応する一般化境界を導出する。 最後に、実験結果を通じて、特定された障害モードを検証する。

関連論文リスト

• Neural Operators Can Discover Functional Clusters [9.0267232149083]
  サンプルベースのニューラル作用素は無限次元再生カーネルヒルベルト空間の任意の有限個のクラスを学習できることを示す。 機能データのためのNOパワークラスタリングパイプラインを開発し、通常の微分方程式(ODE)軌道のラベルのない族に適用する。
  論文  参考訳（メタデータ） (2026-02-26T22:20:34Z)
• Probing for Arithmetic Errors in Language Models [86.8227317662622]
  言語モデルの内部アクティベーションは、算術誤差を検出するために使用できる。 単純なプローブはモデルが予測した出力と正解の両方を隠蔽状態から正確に復号できることを示す。 モデル精度を90%以上の精度で予測する軽量エラー検出器を訓練する。
  論文  参考訳（メタデータ） (2025-07-16T16:27:50Z)
• Linearization Turns Neural Operators into Function-Valued Gaussian Processes [23.85470417458593]
  我々は、訓練されたニューラル演算子におけるベイズの不確実性定量化を近似するための新しいフレームワークLUNOを紹介する。 我々の手法はモデル線形化を利用して(ガウス的)重み空間の不確実性をニューラル作用素の予測に推し進める。 これは関数型プログラミングのカリー化の概念の確率的バージョンとして解釈でき、関数値(ガウス的)ランダムプロセスの信念を導出することを示す。
  論文  参考訳（メタデータ） (2024-06-07T16:43:54Z)
• On the Dynamics Under the Unhinged Loss and Beyond [104.49565602940699]
  我々は、閉形式力学を解析するための数学的機会を提供する、簡潔な損失関数であるアンヒンジド・ロスを導入する。 アンヒンジされた損失は、時間変化学習率や特徴正規化など、より実践的なテクニックを検討することができる。
  論文  参考訳（メタデータ） (2023-12-13T02:11:07Z)
• Benign Overfitting in Deep Neural Networks under Lazy Training [72.28294823115502]
  データ分布が適切に分離された場合、DNNは分類のためのベイズ最適テスト誤差を達成できることを示す。 よりスムーズな関数との補間により、より一般化できることを示す。
  論文  参考訳（メタデータ） (2023-05-30T19:37:44Z)
• Bounded (O(1)) Regret Recommendation Learning via Synthetic Controls Oracle [6.935657546323529]
  一定嗜好を持つユーザが繰り返し到着するオンライン探索システムでは、後悔の限度が達成される。 この結果は、商品の人気が短命であることが多いレコメンデーションシステムにとって、興味のあるものかもしれない。 本研究は,これらの問題に対処しつつ,いまだに限定された後悔を達成しつつ,理論的研究を行うものである。
  論文  参考訳（メタデータ） (2023-01-29T22:39:50Z)
• Deep neural networks can stably solve high-dimensional, noisy, non-linear inverse problems [2.6651200086513107]
  本研究では,雑音測定のみが可能な場合の逆問題に対する解の再構成問題について検討する。 逆演算子に対しては,演算子のロバスト・ツー・ノイズ近似であるニューラルネットワークが存在することを示す。
  論文  参考訳（メタデータ） (2022-06-02T08:51:46Z)
• An Optimal Transport Perspective on Unpaired Image Super-Resolution [97.24140709634203]
  実世界の画像超解像(SR)タスクは、しばしばペア化されたデータセットを持たず、教師付き技術の適用を制限する。 このようなモデルで生じる最適化問題を調査し、2つの驚くべき観測結果を得る。 学習した写像が偏りがあること、すなわち、低解像度画像の分布を高解像度画像に変換するものではないことを実証し、実証的に示す。
  論文  参考訳（メタデータ） (2022-02-02T16:21:20Z)
• Dense Out-of-Distribution Detection by Robust Learning on Synthetic Negative Data [1.7474352892977458]
  道路走行シーンとリモートセンシング画像における分布外異常の検出方法を示す。 我々は,カバレッジ指向学習の目的と異なる解像度でサンプルを生成する能力により,共同で訓練された正規化フローを活用する。 結果として得られたモデルは、道路走行シーンとリモートセンシング画像におけるアウト・オブ・ディストリビューション検出のためのベンチマークに、新たな技術状況を設定した。
  論文  参考訳（メタデータ） (2021-12-23T20:35:10Z)
• Generalization of Neural Combinatorial Solvers Through the Lens of Adversarial Robustness [68.97830259849086]
  ほとんどのデータセットは単純なサブプロブレムのみをキャプチャし、おそらくは突発的な特徴に悩まされる。 本研究では, 局所的な一般化特性である対向ロバスト性について検討し, 厳密でモデル固有な例と突発的な特徴を明らかにする。 他のアプリケーションとは異なり、摂動モデルは知覚できないという主観的な概念に基づいて設計されているため、摂動モデルは効率的かつ健全である。 驚くべきことに、そのような摂動によって、十分に表現力のあるニューラルソルバは、教師あり学習で共通する正確さと悪質さのトレードオフの限界に悩まされない。
  論文  参考訳（メタデータ） (2021-10-21T07:28:11Z)
• Predicting Unreliable Predictions by Shattering a Neural Network [145.3823991041987]
  線形ニューラルネットワークは、サブファンクションに分割することができる。 サブファンクションは、独自のアクティベーションパターン、ドメイン、経験的エラーを持っている。 完全なネットワークに対する経験的エラーは、サブファンクションに対する期待として記述できる。
  論文  参考訳（メタデータ） (2021-06-15T18:34:41Z)

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。