論文の概要: The Importance of Phase in Neural Representations: An Internal Oppenheim-Lim Test of Image Classifiers

• arxiv url: http://arxiv.org/abs/2606.17037v1
• Date: Mon, 15 Jun 2026 17:54:52 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-06-16 18:36:05.184213
• Title: The Importance of Phase in Neural Representations: An Internal Oppenheim-Lim Test of Image Classifiers
• Title（参考訳）: 神経表現における位相の重要性:画像分類器の内部オッペンハイム-リムテスト
• Authors: Alper Yıldırım,
• Abstract要約: 訓練された画像分類器が隠蔽層内で非対称性を再現するかどうかを問う。 PRISM2D、GFNet、ViT-B/16では、予測はフェーズまたはサインドナーに従っており、画像固有の大きさをすべて削除することは精度をほとんど動かさない。 アーキテクチャは相/符号の識別コードを共有するが、修正と読み出しの幾何によって設定された異なるベースで公開する。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Oppenheim and Lim (1981) showed that natural images stay recognizable when reconstructed from their Fourier phase alone, while the magnitude carries little of their identity. We ask whether trained image classifiers reproduce this asymmetry inside their hidden layers, and we test it causally: given two images, we transplant the phase of one onto the magnitude of the other at a chosen layer and record which image the prediction follows. In PRISM2D, GFNet, and ViT-B/16 the prediction follows the phase or sign donor, and deleting all image-specific magnitude barely moves accuracy, so identity rides on phase while image-specific magnitude is largely dispensable to the readout. ResNet-50 at first seems to break the pattern, because transplanting sign after its ReLUs does nothing; a fair intervention before the ReLU reveals a strong latent sign code in the late blocks, and a DC-only control shows the readout consumes a channel-wise spatial average. Controls rule out the trivial case in which magnitude simply stops depending on the image. The architectures therefore share a phase/sign identity code but expose it in different bases, set by rectification and readout geometry, which gives a mechanistic account of the texture--shape gap between CNNs and attention models.
• Abstract（参考訳）: Oppenheim and Lim (1981) は、自然像はフーリエ相のみから再構成しても認識可能であることを示した。 我々は、訓練された画像分類器が、隠れた層の中でこの非対称性を再現するかどうかを尋ね、慎重にテストする: 2つの画像が与えられたとき、選択された層で1つの位相をもう1つの大きさに移植し、どの画像が続くかを記録する。 PRISM2D、GFNet、ViT-B/16では、予測はフェーズまたはサインドナーに従っており、すべての画像固有の大きさを削除することは正確さをほとんど失わないため、画像固有の大きさは読み出しに大きく依存する。 ReLUが遅延ブロックで強力な潜伏符号を露呈する前の公正な介入であり、DCのみの制御では、リードアウトがチャネル単位の空間平均を消費することを示している。 制御は、画像に応じて単に大きさが止まるような自明なケースを除外する。 したがって、アーキテクチャは相/符号のアイデンティティコードを共有するが、修正と読み出し幾何学によって設定された異なるベースで公開し、CNNとアテンションモデルの間のテクスチャ-形状のギャップを力学的に説明できる。

関連論文リスト

• Image-level Regression for Uncertainty-aware Retinal Image Segmentation [3.7141182051230914]
  我々は,新たな不確実性認識変換(SAUNA)を導入する。 以上の結果から,SAUNA変換の統合とセグメント化損失は,異なるセグメンテーションモデルにおいて大きな性能向上をもたらすことが示唆された。
  論文  参考訳（メタデータ） (2024-05-27T04:17:10Z)
• RetinaRegNet: A Zero-Shot Approach for Retinal Image Registration [10.430563602981705]
  RetinaRegNetは、最小のオーバーラップ、大きな変形、さまざまな画質で網膜画像を登録するために設計されたゼロショット登録モデルである。 大規模な変形を処理するための2段階の登録フレームワークを実装した。 私たちのモデルは、すべてのデータセットで常に最先端のメソッドより優れています。
  論文  参考訳（メタデータ） (2024-04-24T17:50:37Z)
• Self-supervised Cross-view Representation Reconstruction for Change Captioning [113.08380679787247]
  変更キャプションは、類似したイメージのペアの違いを記述することを目的としている。 その主な課題は、視点変化によって引き起こされる擬似変化の下で、安定した差分表現を学習する方法である。 自己教師型クロスビュー表現再構成ネットワークを提案する。
  論文  参考訳（メタデータ） (2023-09-28T09:28:50Z)
• Learning Nuclei Representations with Masked Image Modelling [0.41998444721319206]
  Masked Image Modelling (MIM) は強力な自己教師付き表現学習パラダイムである。 核レベルでのHemotoxylin & Eosin(H&E)染色画像のリッチな意味表現をMIMで捉える能力を示す。
  論文  参考訳（メタデータ） (2023-06-29T17:20:05Z)
• Image as First-Order Norm+Linear Autoregression: Unveiling Mathematical Invariance [104.05734286732941]
  FINOLAは、潜在空間内の各画像を1次自己回帰プロセスとして表現する。 FINOLAの256x256機能マップへの自動回帰機能を示す。 また、簡単なマスク付き予測手法を用いて、FINOLAを自己教師型学習に活用する。
  論文  参考訳（メタデータ） (2023-05-25T17:59:50Z)
• Classification and reconstruction of spatially overlapping phase images using diffractive optical networks [0.0]
  回折光学ネットワークは、光が入力から出力面に伝播するにつれて、波動光学と深層学習を統合し、所定の機械学習または計算画像タスクを全光学的に計算する。 タスク固有のトレーニングプロセスを通じて、拡散型ネットワークは、入力時にランダムに選択された空間的に重なり合った2つの異なる位相像を全光学的かつ同時に分類できることを示す。 重なり合う位相オブジェクトの完全な光学的分類に加えて、浅い電子ニューラルネットワークに基づく位相画像の再構成を実証する。
  論文  参考訳（メタデータ） (2021-08-18T05:15:05Z)
• Ensembling with Deep Generative Views [72.70801582346344]
  生成モデルは、色やポーズの変化などの現実世界の変動を模倣する人工画像の「ビュー」を合成することができる。 そこで本研究では, 画像分類などの下流解析作業において, 実画像に適用できるかどうかを検討する。 StyleGAN2を再生増強の源として使用し、顔の属性、猫の顔、車を含む分類タスクについてこの設定を調査します。
  論文  参考訳（メタデータ） (2021-04-29T17:58:35Z)
• TFill: Image Completion via a Transformer-Based Architecture [69.62228639870114]
  画像補完を無方向性シーケンス対シーケンス予測タスクとして扱うことを提案する。 トークン表現には,小かつ重複しないRFを持つ制限型CNNを用いる。 第2フェーズでは、可視領域と発生領域の外観整合性を向上させるために、新しい注意認識層(aal)を導入する。
  論文  参考訳（メタデータ） (2021-04-02T01:42:01Z)
• Unsupervised Landmark Learning from Unpaired Data [117.81440795184587]
  教師なしランドマーク学習の最近の試みは、外観は似ているがポーズでは異なる合成画像対を活用する。 本稿では,2回スワッピング・リコンストラクション・ストラテジーを適用して最終監視を行うクロスイメージ・サイクル整合性フレームワークを提案する。 提案するフレームワークは,強いベースラインを大きなマージンで上回ることを示す。
  論文  参考訳（メタデータ） (2020-06-29T13:57:20Z)
• Pyramid Attention Networks for Image Restoration [124.34970277136061]
  自己相似性(Self-similarity)とは、画像復元アルゴリズムで広く使われる画像を指す。 近年の深層畳み込みニューラルネットワークによる画像復元手法は, 自己相似性を十分に活用していない。 画像復元のための新しいピラミッドアテンションモジュールを提案し,マルチスケール特徴ピラミッドから長距離特徴対応をキャプチャする。
  論文  参考訳（メタデータ） (2020-04-28T21:12:36Z)

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。