論文の概要: Morphology-Aware Multimodal Representation Learning for Insect Phylogenetic Reconstruction

• arxiv url: http://arxiv.org/abs/2606.22077v1
• Date: Sat, 20 Jun 2026 14:51:39 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-06-25 22:58:05.344331
• Title: Morphology-Aware Multimodal Representation Learning for Insect Phylogenetic Reconstruction
• Title（参考訳）: 昆虫系統再構築のための形態認識型マルチモーダル表現学習
• Authors: Zixuan Liu, Kaijie Yu, Chun He, Xiaoxu Cai, Xinhai Ye, Haishuai Wang, Gongyin Ye, Jiajun Bu,
• Abstract要約: 形態学的特徴は系統的再構成と進化的関係解析の重要な証拠となる。 最近の画像ベースアプローチは、標本画像から形態的特徴を引き出すためのディープラーニングを導入している。 本研究は,昆虫系統再構築のための形態認識型マルチモーダルアライメントフレームワークを提案する。
• 参考スコア（独自算出の注目度）: 22.765980617335234
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Morphological traits provide important evidence for phylogenetic reconstruction and evolutionary relationship analysis. Recent image-based approaches have introduced deep learning, particularly convolutional models, to derive morphological features from specimen images, but these methods generally rely on single-modality visual representations and do not explicitly incorporate morphological semantics. This study proposes a morphology-aware multimodal alignment framework for insect phylogenetic reconstruction. The framework combines specimen images with curated morphological descriptions by adapting a vision transformer through parameter-efficient fine-tuning and supervised contrastive learning, followed by image-text alignment in a shared latent space. The learned image embeddings are then used as continuous traits for Bayesian phylogenetic reconstruction. On the public Rove-Tree-11 dataset, comparative and ablation experiments across multiple visual backbones and feature adaptation strategies demonstrate that multimodal alignment improves topological agreement with the reference phylogeny. The results indicate that the proposed framework can derive morphology-aware visual traits for computational phylogenetic reconstruction.
• Abstract（参考訳）: 形態学的特徴は系統的再構成と進化的関係解析の重要な証拠となる。 最近の画像ベースアプローチでは、標本画像から形態的特徴を引き出すために深層学習(特に畳み込みモデル)を導入しているが、これらの手法は一般的に単一モードの視覚的表現に依存しており、形態的意味論を明示的に含まない。 本研究は,昆虫系統再構築のための形態認識型マルチモーダルアライメントフレームワークを提案する。 このフレームワークは、パラメータ効率の良い微調整と教師付きコントラスト学習を通じて視覚変換器を適応させ、サンプル画像とキュレートされた形態的記述を結合し、次いで、共有潜在空間における画像テキストアライメントを行う。 得られた画像埋め込みは、ベイズ系統再構築のための連続的な特性として使用される。 公的なRove-Tree-11データセットでは、複数の視覚的バックボーンに対する比較およびアブレーション実験と特徴適応戦略により、マルチモーダルアライメントが参照系統とのトポロジ的一致を改善することが示されている。 以上の結果から, 提案手法は形態に適応した視覚特性を導出し, 系統再構築に有効であることが示唆された。

関連論文リスト

• PathAR: Structure-First Autoregressive Synthesis of Multimodal Pathology Images [51.428093790826814]
  そこで我々は, モーダリティ・ラベル条件付き病理モデル (PathAR) を用いて, 構造と外観を分解し, 自己回帰モデル(PathAR)を提案する。 PathARは、不均一なモダリティ固有の外観下で形態を安定化し、空間的に整列したイメージマスクペア生成を可能にする。
  論文  参考訳（メタデータ） (2026-06-01T01:43:48Z)
• Deep-learning-based pan-phenomic data reveals the explosive evolution of avian visual disparity [8.871465190908003]
  本研究では、深層学習技術を用いて鳥類の形態進化を探索する。 高次元埋め込み空間は表現型収束を符号化することを示す。 また, 平坦なラベルで訓練されているにもかかわらず, 高次元埋め込み空間に階層的意味構造が出現することを示した。
  論文  参考訳（メタデータ） (2026-02-03T18:32:15Z)
• Causal integration of chemical structures improves representations of microscopy images for morphological profiling [25.027684911103897]
  そこで我々は, 化学化合物を細胞表現型の非現実的変換を誘導する処理としてモデル化する表現学習フレームワークMICONを紹介する。 化学物質情報を学習プロセスに組み込むことによって,評価設定の一貫性が向上することが実証された。 本研究は, 形態素プロファイリングにおける表現学習の新たな方向を示唆し, 顕微鏡スクリーニングデータのマルチモーダルな性質を明示的に考慮すべきであることを示唆した。
  論文  参考訳（メタデータ） (2025-04-13T12:27:21Z)
• Neural Echos: Depthwise Convolutional Filters Replicate Biological Receptive Fields [56.69755544814834]
  哺乳類網膜で観察される生体受容野を,深部核が効果的に複製していることを示す証拠を提示する。 生体受容の分野からインスピレーションを得る手法を提案する。
  論文  参考訳（メタデータ） (2024-01-18T18:06:22Z)
• Bayesian Unsupervised Disentanglement of Anatomy and Geometry for Deep Groupwise Image Registration [59.062085785106234]
  本稿では,マルチモーダル群画像登録のための一般ベイズ学習フレームワークを提案する。 本稿では,潜在変数の推論手順を実現するために,新しい階層的変分自動符号化アーキテクチャを提案する。 心臓、脳、腹部の医療画像から4つの異なるデータセットを含む,提案された枠組みを検証する実験を行った。
  論文  参考訳（メタデータ） (2024-01-04T08:46:39Z)
• A Multi-parameter Persistence Framework for Mathematical Morphology [2.1485350418225244]
  持続的ホモロジーのレンズを通して形態学的操作を見る。 永続ホモロジー(persistent homology)は、トポロジカルデータ分析の分野の中心にあるツールである。
  論文  参考訳（メタデータ） (2021-03-24T06:46:00Z)
• A Novel Bio-Inspired Texture Descriptor based on Biodiversity and Taxonomic Measures [81.08571247838206]
  種多様性と豊かさと分類学的特有性を通して、多様なパターンの複雑なシステムを定量化できる新しいアプローチを提案する。 提案手法は,各画像チャネルを種生態系とみなし,種多様性と豊かさの度合いを計算し,テクスチャを記述するための分類学的尺度である。
  論文  参考訳（メタデータ） (2021-02-13T20:14:14Z)

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。