論文の概要: PQFA: Parallel Quantum Feature Augmentation of Fused Representations for Multimodal Classification

• arxiv url: http://arxiv.org/abs/2607.13466v1
• Date: Wed, 15 Jul 2026 05:53:58 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-07-16 16:39:12.664751
• Title: PQFA: Parallel Quantum Feature Augmentation of Fused Representations for Multimodal Classification
• Title（参考訳）: PQFA:マルチモーダル分類のための融合表現の並列量子特徴増強
• Abstract要約: 混合量子古典的フレームワークであるParallel Quantum Feature Augmentation (PQFA)を提案する。 MM-IMDbとN24-NewsのPQFAを,同じエンコーダ,融合バックボーン,データ分割,投影次元,拡張パラメータを用いて比較した。
• 参考スコア（独自算出の注目度）: 2.920575300184085
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Most multimodal learning methods improve how heterogeneous representations are aligned and fused, while post-fusion enhancement remains less explored. We propose Parallel Quantum Feature Augmentation (PQFA), a hybrid quantum-classical framework that applies multiple shallow variational quantum circuits to fused multimodal features. Text and image representations extracted by frozen RoBERTa and ViT encoders are processed through bidirectional cross-attention, attentive pooling, and adaptive gated fusion. The fused feature is then amplitude-encoded into parallel quantum circuits, whose measurement readouts are concatenated with the classical representation for prediction. We evaluate PQFA on MM-IMDb and N24News through controlled comparisons using the same encoders, fusion backbone, data splits, projection dimension, and augmentation output width. PQFA consistently outperforms both the fusion backbone without quantum augmentation and a width-matched MLP augmentation baseline, while using approximately 2.2K augmentation parameters compared with 24.0K for the MLP branch. Missing-modality experiments further show improved robustness when textual or visual inputs are incomplete, with particularly clear gains when the more informative textual modality is severely degraded. Controlled ablations and feature-space analyses indicate that the improvement cannot be reproduced by random feature mappings, increased classical width, or untrained quantum transformations. Quantum-state diagnostics additionally show stable predictive performance across the tested simulated noise levels and distinct branch-specific transformations of the encoded states. These results establish PQFA as an effective and parameter-efficient strategy for post-fusion augmentation in hybrid quantum-classical multimodal learning.
• Abstract（参考訳）: ほとんどのマルチモーダル学習法は異種表現の整列や融合の仕方を改善するが、後処理の強化はいまだ研究されていない。 混合量子古典的フレームワークであるParallel Quantum Feature Augmentation (PQFA)を提案する。 凍結したRoBERTaおよびViTエンコーダによって抽出されたテキストおよび画像表現は、双方向のクロスアテンション、注意プーリング、適応ゲート融合によって処理される。 融合した特徴は振幅符号化されて並列量子回路に変換され、その測定読み出しは予測のための古典的な表現と結合される。 MM-IMDbとN24NewsのPQFAを,同じエンコーダ,融合バックボーン,データ分割,投影寸法,拡張出力幅を用いて比較した。 PQFAは、MLPブランチの24.0Kに比べて約2.2Kの増量パラメータを使用しながら、量子増量無しの融合バックボーンと幅整合MLP増量ベースラインの両方を一貫して上回っている。 欠落モダリティ実験は、テキスト入力や視覚入力が不完全であるときの堅牢性をさらに向上させ、特に、より情報に富んだモダリティが著しく劣化した場合の顕著な利得を示す。 制御されたアブレーションと特徴空間解析は、改善がランダムな特徴写像、古典的幅の増大、あるいは訓練されていない量子変換によって再現できないことを示す。 量子状態診断は、テストされたシミュレートされたノイズレベルと、エンコードされた状態の異なる分岐固有変換をまたいで安定した予測性能を示す。 これらの結果から,PQFAは,ハイブリッド量子古典型マルチモーダル学習におけるポストフュージョン強化のための有効かつパラメータ効率の戦略として確立された。

関連論文リスト

• A Quantum-Classical Hybrid Framework for Multivariate Time-Series Forecasting Complexity-Fidelity Trade-offs and Limitations [4.77829808535938]
  本稿では,2種類のモデル変種であるQuantum Reservoir Forecaster (QRC-F) と変分量子予測器 (VQF-F) を紹介する。 提案フレームワークは,NISQハードウェア制約下での量子予測の複雑性-忠実トレードオフについて検討する。 その結果、NISQデバイスに展開する可能性の強い実用的な量子ネイティブ予測フレームワークが確立された。
  論文  参考訳（メタデータ） (2026-07-17T10:30:12Z)
• Spectral Evolution-Guided Token Pruning in Multimodal Large Language Models [46.61944018676346]
  CLSE(Cross-Layer Spectral Evolution)に基づく無トレーニングトークン解析フレームワークを提案する。 CLSEは単一層の特徴量からトークンの重要性を測定する代わりに、周波数領域のTransformer層間でトークン表現がどのように進化するかを定量化する。 CLSEはアグレッシブトークン還元の下で効率と精度のトレードオフが優れている。
  論文  参考訳（メタデータ） (2026-06-23T05:39:52Z)
• BARFI-Q: Quantum-Enhanced Block Attention Residual Fusion Framework for Multivariate Time-Series Forecasting in Atom Interferometry [3.2350449526046567]
  本稿では,原子間干渉法における時系列予測のための量子化ブロック注意残差融合フレームワークを提案する。 BarFI-Qは、パッチベースの埋め込み、デュアルブランチ時間モデリング、階層的融合、適応的ブロックアテンション残留集合、および量子フィーチャマッピングモジュールを統合する。 その結果,マルチスケールの時間的学習,階層的融合,適応的残差ルーティング,量子化潜在変換が,原子干渉計測による時系列予測に有効な枠組みであることが示唆された。
  論文  参考訳（メタデータ） (2026-05-06T19:26:56Z)
• On the Complementarity of Quantum and Classical Features: Adaptive Hybrid Quantum-Classical Feature Fusion for Breast Cancer Classification [1.4856472820492366]
  量子機械学習と古典的なディープラーニングの統合は、医療画像解析のための有望な道を提供する。 二重分岐特徴抽出パイプラインに基づく乳がん診断のための新しいハイブリッド量子古典的アーキテクチャを提案する。 本フレームワークは,古典的モデルと量子回路から補完表現を抽出し,統一する。
  論文  参考訳（メタデータ） (2026-04-24T14:54:53Z)
• Plug-and-Play Diffusion Meets ADMM: Dual-Variable Coupling for Robust Medical Image Reconstruction [45.25461515976432]
  画像再構成のための強力なパラダイムとして,DP(Plug-and-Play diffusion prior)フレームワークが登場した。 本稿では, バイアス・ハロシン化トレードオフを解消し, 収束を著しく加速した最先端の勾配を実現するための新しい手法を提案する。
  論文  参考訳（メタデータ） (2026-02-26T16:58:43Z)
• Spectral Phase Encoding for Quantum Kernel Methods [0.0]
  我々は、制御された付加雑音推定の下で量子的特徴構造がどのように劣化するかを分析する。 スペクトル位相について紹介する。 SPEは、離散フーリエ変換(DFT)フロントエンドと対角位相のみの埋め込みを、対角量子写像の幾何学に整合させたハイブリッドコンストラクトである。
  論文  参考訳（メタデータ） (2026-02-23T09:42:42Z)
• Continual Quantum Architecture Search with Tensor-Train Encoding: Theory and Applications to Signal Processing [68.35481158940401]
  CL-QASは連続的な量子アーキテクチャ検索フレームワークである。 振幅のエンコードと変分量子回路の忘れを犠牲にすることの課題を緩和する。 制御可能なロバスト性表現性、サンプル効率の一般化、およびバレンプラトーを使わずに滑らかな収束を実現する。
  論文  参考訳（メタデータ） (2026-01-10T02:36:03Z)
• Expressive and Scalable Quantum Fusion for Multimodal Learning [16.82193084379014]
  提案手法は量子融合層 (Quantum Fusion Layer, QFL) と呼ばれ、古典的な融合スキームをハイブリッドな量子古典的手順で置き換える。 シミュレーションでは、QFLは小さなが多様なマルチモーダルタスクにおいて、強い古典的ベースラインを一貫して上回る。 これらの結果は、QFLがマルチモーダル融合に対する根本的に新しいスケーラブルなアプローチを提供し、より大きなシステムに対するより深い探索に役立つことを示唆している。
  論文  参考訳（メタデータ） (2025-10-08T12:19:44Z)
• Quantum Approximate Optimization Algorithm for MIMO with Quantized b-bit Beamforming [47.98440449939344]
  多重入力多重出力(MIMO)は6G通信において重要であり、スペクトル効率と信頼性の向上を提供する。 本稿では、送信機と受信機の両方でbビット量子化位相シフト器の問題に対処するために、量子近似最適化アルゴリズム(QAOA)と交互最適化を適用することを検討する。 この量子化ビームフォーミング問題の構造はQAOAのようなハイブリッド古典的手法と自然に一致し、ビームフォーミングで使われる位相シフトは量子回路の回転ゲートに直接マッピングできる。
  論文  参考訳（メタデータ） (2025-10-07T17:53:02Z)
• Quantum Flow Matching [7.246258513838036]
  量子フローマッチングは、2つの密度行列間の効率性を提供する。 QFMは、高価な回路再設計を必要とせず、量子コンピュータ上で実現することができる。 これらの結果はQFMを量子システム全体にわたる生成モデリングのための統一的で有望なフレームワークとして位置づけている。
  論文  参考訳（メタデータ） (2025-08-17T16:00:20Z)
• PAD: Phase-Amplitude Decoupling Fusion for Multi-Modal Land Cover Classification [49.37555541088792]
  位相振幅デカップリング(PAD)は、位相(モダリティ共有)と振幅(モダリティ補完)を分離する周波数対応のフレームワークである。 この研究は、リモートセンシングにおける物理を意識したマルチモーダル融合の新しいパラダイムを確立する。
  論文  参考訳（メタデータ） (2025-04-27T07:21:42Z)
• Towards Efficient Quantum Hybrid Diffusion Models [68.43405413443175]
  本稿では,量子ハイブリッド拡散モデルの設計手法を提案する。 量子コンピューティングの優れた一般化と古典的ネットワークのモジュラリティを組み合わせた2つのハイブリダイゼーション手法を提案する。
  論文  参考訳（メタデータ） (2024-02-25T16:57:51Z)

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。