Fugu-MT 論文翻訳(概要): Forewarned is Forearmed: When Non-Sequential Embedding Turns Into an Anomaly Detector

論文の概要: Forewarned is Forearmed: When Non-Sequential Embedding Turns Into an Anomaly Detector

arxiv url: http://arxiv.org/abs/2606.30196v1
Date: Mon, 29 Jun 2026 12:12:43 GMT
ステータス: 翻訳完了
システム内更新日: 2026-06-30 18:07:16.213881
Title: Forewarned is Forearmed: When Non-Sequential Embedding Turns Into an Anomaly Detector
Title（参考訳）: シークエンシャルな埋め込みは異常検知器になる
Abstract要約: 特定の埋め込み次元は摂動に敏感であり、異常を復号する指標として機能することを示す。この研究は、マルチモーダル表現の信頼性を高めるために、埋め込み自体の理解と分析の重要性を強調している。
参考スコア（独自算出の注目度）: 0.7095058159492491
License: http://creativecommons.org/licenses/by-nc-sa/4.0/
Abstract: This paper offers an in-depth analysis of non-sequential multimodal sentence-level embeddings, with a particular focus on the SONAR model. We demonstrate that certain embedding dimensions are sensitive to perturbations and can serve as indicators of decoding anomalies. By leveraging the consistency between successive encoding and decoding, we successfully build an accurate detector. Additionally, we explore modifying specific dimensions of interest to attempt to correct them. This work underscores the importance of understanding and analyzing the embeddings themselves to enhance the reliability of multimodal representations.
Abstract（参考訳）: 本稿では,SONARモデルに着目した非逐次マルチモーダル文レベルの埋め込みを詳細に解析する。特定の埋め込み次元は摂動に敏感であり、異常を復号する指標として機能することを示す。逐次符号化と復号の整合性を利用して精度の高い検出器を構築する。さらに、興味のある特定の次元を修正して修正する方法について検討する。この研究は、マルチモーダル表現の信頼性を高めるために、埋め込み自体の理解と分析の重要性を強調している。

関連論文リスト

An Encode-then-Decompose Approach to Unsupervised Time Series Anomaly Detection on Contaminated Training Data--Extended Version [31.029023011951793]
時系列異常検出は、現代の大規模システムにおいて、多様なシステムの動作を分析し、監視するために重要である。教師なしのアプローチは、トレーニング中に異常なラベルを必要としないため、広く関心を集めている。そこで我々は,符号化された表現を安定かつ補助的な表現に分解する,新しいエンコード-then-decomposeパラダイムを提案する。
論文参考訳（メタデータ） (2025-10-21T18:23:20Z)
Distributional Information Embedding: A Framework for Multi-bit Watermarking [35.319577498993354]
本稿では,大規模言語モデル(LLM)における透かしの実践的要求に動機づけられた,分散情報埋め込みという新たな問題を紹介する。この分布情報埋め込み問題を解析するための情報理論フレームワークを開発する。誤報や歪みの制約に固執しながら検出確率を最大化するスキームを同定する。
論文参考訳（メタデータ） (2025-01-27T23:01:56Z)
Mitigating Shortcut Learning with Diffusion Counterfactuals and Diverse Ensembles [104.60508550106618]
拡散確率モデル(DPM)を利用したアンサンブル多様化フレームワークDiffDivを提案する。 DPMは、相関した入力特徴を示すサンプルを用いて訓練しても、新しい特徴の組み合わせで画像を生成することができることを示す。そこで本研究では,DPM誘導の多様化は,教師付き信号の追加を必要とせず,ショートカットキューへの依存を取り除くのに十分であることを示す。
論文参考訳（メタデータ） (2023-11-23T15:47:33Z)
Transcending Forgery Specificity with Latent Space Augmentation for Generalizable Deepfake Detection [57.646582245834324]
LSDAと呼ばれる簡易で効果的なディープフェイク検出器を提案する。より多様な偽の表現は、より一般化可能な決定境界を学べるべきである。提案手法は驚くほど有効であり, 広く使用されている複数のベンチマークで最先端の検出器を超越することを示す。
論文参考訳（メタデータ） (2023-11-19T09:41:10Z)
Disentanglement via Latent Quantization [60.37109712033694]
本研究では,組織化された潜在空間からの符号化と復号化に向けた帰納的バイアスを構築する。本稿では,基本データレコーダ (vanilla autoencoder) と潜時再構成 (InfoGAN) 生成モデルの両方に追加することで,このアプローチの広範な適用性を実証する。
論文参考訳（メタデータ） (2023-05-28T06:30:29Z)
The Treasure Beneath Multiple Annotations: An Uncertainty-aware Edge Detector [70.43599299422813]
既存のメソッドは、単純な投票プロセスを使用して複数のアノテーションを融合し、エッジ固有の曖昧さを無視し、アノテータのラベル付けバイアスを無視する。多様なアノテーションの主観性とあいまいさを調査するために不確実性を利用した新しい不確実性認識エッジ検出器(UAED)を提案する。 UAEDは複数のエッジ検出ベンチマークで一貫したパフォーマンスを実現している。
論文参考訳（メタデータ） (2023-03-21T13:14:36Z)
Uncertainty Quantification in Medical Image Segmentation with Multi-decoder U-Net [3.961279440272763]
医用画像のセグメンテーションの不確かさを,教師付き学習方式で複数のアノテーションを用いたセグメンテーション性能の測定により評価する。複数のデコーダを持つU-Netアーキテクチャを提案し、画像表現を同じエンコーダで符号化し、各アノテーションを参照するセグメンテーションを複数のデコーダで推定する。提案アーキテクチャはエンドツーエンドでトレーニングされ、予測の不確実性推定を改善することができる。
論文参考訳（メタデータ） (2021-09-15T01:46:29Z)
Bayesian Attention Belief Networks [59.183311769616466]
注意に基づくニューラルネットワークは、幅広いタスクにおいて最先端の結果を得た。本稿では,非正規化注意重みをモデル化してデコーダネットワークを構築するベイズ的注意信念ネットワークについて紹介する。提案手法は, 精度, 不確実性推定, ドメイン間の一般化, 敵攻撃において, 決定論的注意と最先端の注意よりも優れていることを示す。
論文参考訳（メタデータ） (2021-06-09T17:46:22Z)
ESAD: End-to-end Deep Semi-supervised Anomaly Detection [85.81138474858197]
正規データと異常データの間のKL偏差を計測する新たな目的関数を提案する。提案手法は,複数のベンチマークデータセットの最先端性能を著しく上回っている。
論文参考訳（メタデータ） (2020-12-09T08:16:35Z)

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。