論文の概要: Distribution-Alignment Bridge for Uncertainty-Aware Text-to-Video Retrieval
- arxiv url: http://arxiv.org/abs/2607.20984v1
- Date: Thu, 23 Jul 2026 07:07:28 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-07-24 18:26:25.305635
- Title: Distribution-Alignment Bridge for Uncertainty-Aware Text-to-Video Retrieval
- Title（参考訳）: 不確かさを意識したテキスト・ビデオ検索のための配電アライメントブリッジ
- Abstract要約: 本稿では,従来の決定論的ポイントマッチングよりも,テキスト間検索を分散アライメントタスクとして再認識するフレームワークを提案する。
テキストとビデオの埋め込みを平均と分散で定義されるガウス分布としてモデル化することにより、DABはモダリティ固有の不確実性について明確に説明できる。
そこで本研究では,テキスト配信を目標映像配信に向けて反復的に洗練する,決定論的かつ拡散にインスパイアされたブリッジを提案する。
- 参考スコア（独自算出の注目度）: 6.5819669635975915
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: This paper proposes the Distribution-Alignment Bridge (DAB), a framework that reconceptualizes text-to-video retrieval as a distribution alignment task rather than traditional deterministic point matching. By modeling both text and video embeddings as Gaussian distributions defined by mean and variance, DAB explicitly accounts for modality-specific uncertainty. We employ a deterministic, diffusion-inspired bridge to iteratively refine text distributions toward their target video distributions through a truncated refinement process. This approach unifies probabilistic embedding and distributional transformation into a cohesive, end-to-end trainable system. To optimize cross-modal similarity, we introduce a distribution-aware contrastive loss based on Kullback-Leibler divergence. Extensive evaluations on MSR-VTT, MSVD, and VATEX benchmarks confirm that DAB significantly outperforms existing probabilistic and diffusion-based baselines, while providing calibrated uncertainty-aware ranking through bridge-induced distributional margins.
- Abstract（参考訳）: 本稿では,従来の決定論的ポイントマッチングよりも,テキスト間検索を分散アライメントタスクとして再認識するフレームワークである分散アライメントブリッジ(DAB)を提案する。
テキストとビデオの埋め込みを平均と分散で定義されるガウス分布としてモデル化することにより、DABはモダリティ固有の不確実性について明確に説明できる。
そこで本研究では,テキスト配信を目標映像配信に向けて反復的に洗練する,決定論的かつ拡散にインスパイアされたブリッジを提案する。
このアプローチは確率的埋め込みと分布変換を結合的でエンドツーエンドのトレーニング可能なシステムに統一する。
クロスモーダルな類似性を最適化するために,Kullback-Leibler の発散に基づく分布認識型コントラスト損失を導入する。
MSR-VTT、MSVD、VATEXのベンチマークによる大規模な評価では、DABは既存の確率的および拡散に基づくベースラインを著しく上回り、橋梁による分布マージンによる不確実性を考慮したランキングを提供する。
関連論文リスト
- Rethinking Likelihood distributions: Student's t Likelihood Boosts Bayesian Neural Network Performance [0.0]
確率分布の代替仮定が一般的に用いられるガウス分布よりも優れているかどうかを考察する。
学生のtは、データ配布とアーキテクチャとは独立に、ガウス確率分布よりも優れた予測性能が得られる。
場合によっては、学生のtは短いトレーニング時間につながりますが、実装は簡単です。
論文 参考訳（メタデータ） (2026-07-28T07:32:02Z) - Implicit Variational Rejection Sampling [49.24060583051337]
変分推論(VI)は、複雑な後続分布を近似するベイズ機械学習の基本的な推論手法である。
最近の進歩は、ニューラルネットワークを利用して暗黙の分布をモデル化し、柔軟性を高めている。
本稿では,暗黙分布と拒絶サンプリングを統合して後部近似を改善するImplicit Variational Rejection Smpling (IVRS) 法を提案する。
論文 参考訳（メタデータ） (2026-06-12T08:17:45Z) - Accelerating Speculative Diffusions via Block Verification [77.23389794645801]
投機的復号化は、トークンを生成するためにドラフトモデルを使用することでLLM推論を高速化する。
既存の拡散適応は非効率的なサンプリング技術を使うか、代替のスキームに依存する。
本稿では,拡散モデルに対して,従来の投機的サンプリング機構を効率的に実装する新しい手法を提案する。
論文 参考訳（メタデータ） (2026-06-11T14:54:13Z) - DISCOVER: A Solver for Distributional Counterfactual Explanations [7.673379790081033]
DISCOVERは、分散対実的説明のためのモデルに依存しない解法である。
これは、輸送目標のサンプルワイズ分解を利用して、ローごとのインパクトスコアを計算し、最高$kの介入予算を強制する。
複数のデータセットの実験は、入力分布と出力分布の強い結合性を示す。
論文 参考訳（メタデータ） (2026-03-17T12:18:27Z) - Evidence-based Distributional Alignment for Large Language Models [58.65469623911573]
LLM分布推定の忠実度とロバスト性を改善する証拠に基づくアライメント手法であるEvi-DAを提案する。
対象国が与えられた場合、Evi-DAは関連するWorld Values Survey項目とその回答分布を検索し、オプション毎に粗いヴェルツェル値シグネチャを予測し、国条件の回答分布を構造化形式で推測する。
論文 参考訳（メタデータ） (2026-03-03T03:34:06Z) - Better Source, Better Flow: Learning Condition-Dependent Source Distribution for Flow Matching [34.811045663987805]
拡散に基づく生成モデルに代わる有望な代替手段としてフローマッチングが登場した。
本稿では,現代テキスト・画像システムにおいて,ソース分布の原理的設計は実現可能であるだけでなく,有用であることを示す。
論文 参考訳（メタデータ） (2026-02-05T18:08:20Z) - Effective Test-Time Scaling of Discrete Diffusion through Iterative Refinement [51.54933696252104]
離散拡散に適した新しいテスト時間スケーリング手法であるイテレーティブ・リワードガイドリファインメント(IterRef)を導入する。
我々は、このプロセスをMultiple-Try Metropolisフレームワークで形式化し、報酬整合分布への収束を証明した。
IterRefは計算予算の低さで大幅に上昇し、最先端のベースラインをはるかに超えている。
論文 参考訳（メタデータ） (2025-11-04T02:33:23Z) - Direct Distributional Optimization for Provable Alignment of Diffusion Models [39.048284342436666]
分布最適化の観点から拡散モデルの新しいアライメント手法を提案する。
まず、確率分布に対する一般正規化損失最小化として問題を定式化する。
本研究では,Doob の $h$-transform 技術を用いてスコア関数を近似することにより,学習した分布からのサンプリングを可能にする。
論文 参考訳（メタデータ） (2025-02-05T07:35:15Z) - Adaptive Concept Bottleneck for Foundation Models Under Distribution Shifts [33.677249894085186]
複雑で非解釈可能な基礎モデルを解釈可能な意思決定パイプラインに変換するための概念ボトルネックモデルの可能性を探る。
具体的には、このような解釈可能なCBMパイプラインを“野生”で”テスト時にデプロイすることに重点を置いています。
提案手法は,テストデータとの整合性を向上し,デプロイ後の精度を最大28%向上させる。
論文 参考訳（メタデータ） (2024-12-18T17:47:46Z) - Uncertainty Quantification via Stable Distribution Propagation [60.065272548502]
本稿では,ニューラルネットワークによる安定確率分布の伝播手法を提案する。
提案手法は局所線形化に基づいており,ReLU非線型性に対する全変動距離の近似値として最適であることを示す。
論文 参考訳（メタデータ） (2024-02-13T09:40:19Z) - Distribution Shift Inversion for Out-of-Distribution Prediction [57.22301285120695]
本稿では,OoD(Out-of-Distribution)予測のためのポータブル分布シフト変換アルゴリズムを提案する。
提案手法は,OoDアルゴリズムを広範囲に接続した場合に,一般的な性能向上をもたらすことを示す。
論文 参考訳（メタデータ） (2023-06-14T08:00:49Z)
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。