論文の概要: MiSS: A Logic-Driven Explanation of Minimal Sufficient Coalitions for Point Cloud Classifiers

• arxiv url: http://arxiv.org/abs/2607.24074v1
• Date: Mon, 27 Jul 2026 07:17:04 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-07-28 22:34:15.342483
• Title: MiSS: A Logic-Driven Explanation of Minimal Sufficient Coalitions for Point Cloud Classifiers
• Title（参考訳）: MiSS: ポイントクラウド分類器のための最小十分結合の論理駆動記述
• Abstract要約: 3Dポイントクラウド分類器を説明するためのクエリベースのフレームワークであるMiSSを提案する。 MiSSはスーパーポイントパーティションを解釈可能な抽象化層として扱う。 システムは統計的に証明された十分な連立関係を二項帰属として返す。
• 参考スコア（独自算出の注目度）: 6.484278756220379
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: We present MiSS, a black-box, query-based framework for explaining 3D point cloud classifiers through perturbation-relative sufficiency reasoning. MiSS treats a superpoint partition as an interpretable abstraction layer and asks whether the original prediction can be certified from a minimal coalition of geometric regions under a specified perturbation distribution. Unlike abductive explainers that require Boolean feature spaces or white-box logical encodings of the predictor, MiSS separates candidate proposal from verification: a weighted MaxSAT procedure proposes coalitions using a heuristic adaptive cardinality floor, certified exact-size fallback, a safely tightened upper bound, blocking clauses, and a surrogate acquisition heuristic learned from previous oracle evaluations, while a blackbox statistical oracle decides sufficiency from prediction queries. The system returns a statistically verified sufficient coalition as a binary attribution, with minimum cardinality guaranteed when certified search completes. Experiments on ModelNet40 and ShapeNet with PointNet and PointMLP classifiers show higher precision and coverage than rule-based baselines in most settings, with lower explanation time than exhaustive search.
• Abstract（参考訳）: 摂動関係の十分性推論を通じて3Dポイントクラウド分類器を説明するための,ブラックボックスのクエリベースのフレームワークであるMISSを提案する。 MiSSは、スーパーポイントパーティションを解釈可能な抽象層として扱い、元の予測が特定の摂動分布の下で幾何学領域の最小の連立から証明できるかどうかを問う。 重み付けされたMaxSATプロシージャは、ヒューリスティック適応濃度フロア、認証された正確な大きさのフォールバック、安全に強化された上部境界、ブロッキング節、および以前のオラクル評価から学んだサロゲート獲得ヒューリスティックを用いて連立提案し、ブラックボックス統計オラクルは予測クエリから満足度を決定する。 このシステムは、統計的に証明された十分な連立関係をバイナリ属性として返却し、認証された検索が完了すると最小限の濃度が保証される。 ModelNet40とPointNetとPointMLPの分類器によるShapeNetの実験では、ほとんどの設定においてルールベースのベースラインよりも精度とカバレッジが高く、網羅的な検索よりも説明時間が短い。

関連論文リスト

• When LLM Meets Tree Search: A Systematic View of Inference as Search in Large Language Models [92.71325249013535]
  テスト時間スケーリング(TTS)は、推論時間計算を固定モデルに割り当てることで推論を改善する重要な方向として登場した。 この調査は、木探索に基づく推論の最近の進歩を体系化し、推論をデコードではなく、インスタンス固有の最適化と見なす。
  論文  参考訳（メタデータ） (2026-08-31T07:49:56Z)
• HARP: Hierarchical Adaptive Ranking with Preference-Adaptive Fusion for Query-Based CVE Prioritization [84.9738509922482]
  本稿では,自然言語クエリから候補をランク付けするグラフ付きマルチビューフレームワークと,過去のラベル付きサンプルの支持銀行を提案する。 HarPは脆弱性知識グラフからエビデンスを取得し、ポリシー付きグローバル、エンタプライズ、ユーザビューで候補をスコアし、サンプルサポートからのビューフュージョン重みに適合する。
  論文  参考訳（メタデータ） (2026-08-19T20:29:00Z)
• Structuring Semantic Embeddings for Principle Evaluation: A Prototype-Guided Contrastive Learning Approach [58.15427952222424]
  汎用的なテキスト埋め込みはそのようなタスクに広くデプロイされているが、意味的類似性は意味的に似ているがタスク固有の例を示すことができる。 本稿では,凍結したテキスト埋め込み上に構築された幾何正規化モジュールであるPGCL(Prototype-Guided Contrastive Learning)を紹介する。
  論文  参考訳（メタデータ） (2026-08-15T13:19:25Z)
• What to Test Next: Interpretable Coverage Gap Discovery in Driving VLMs [52.50210189669399]
  視覚言語モデル(VLM)を駆動するには,操作設計領域(ODD)が定義する様々な条件のシーンを正確に理解する必要がある SliceScorerは、欠落したスライス推薦のための決定論的スコアリングルールである。 SliceNavは, 従来のスライス発見法よりも, 高リスクカバレッジギャップを効果的に表面化することを示す。
  論文  参考訳（メタデータ） (2026-06-01T03:18:01Z)
• The Query Channel: Information-Theoretic Limits of Masking-Based Explanations [0.17188280334580197]
  KernelSHAPやLIMEのようなマスキングに基づくポストホックな説明手法は、ブラックボックスモデルに問い合わせることで、局所的な特徴の重要性を推定する。 本稿では、この手順をクエリチャネル上の通信として定式化し、遅延説明がメッセージとして振る舞う。
  論文  参考訳（メタデータ） (2026-04-17T20:46:25Z)
• LaSSM: Efficient Semantic-Spatial Query Decoding via Local Aggregation and State Space Models for 3D Instance Segmentation [21.566771922153027]
  競争性能を維持しつつ、シンプルさと効率性を優先するLaSSMを紹介します。 また、問合せを段階的に洗練する座標誘導状態空間モデル(SSM)デコーダを提案する。 LaSSMは最新のScanNet++ V2リーダーボードで1位にランクインし、以前のベストメソッドよりも2.5% mAP、1/3 FLOPを上回っている。
  論文  参考訳（メタデータ） (2026-02-11T16:34:12Z)
• Adaptive Test-Time Compute Allocation via Learned Heuristics over Categorical Structure [1.8055130471307603]
  テスト時間計算は、大規模言語モデル(LLM)推論の進歩の原動力となっている。 我々は,検証作業が中間状態にまたがってどのように配置されるべきか,検証コストに制限のある環境下での推論について検討する。 本研究では, (i) 構造化された移動インタフェース上での確定可能性ゲーティング, (ii) 学習された状態距離と残差スコアのハイブリッドを用いた事前検証ランキング, (iii) 局所的不確実性に基づく検証呼び出しの適応的アロケーションを組み合わせた状態レベルの選択的検証フレームワークを提案する。
  論文  参考訳（メタデータ） (2026-02-03T19:57:53Z)
• Accelerate Speculative Decoding with Sparse Computation in Verification [49.74839681322316]
  投機的復号化は、複数のドラフトトークンを並列に検証することにより、自動回帰言語モデル推論を加速する。 既存のスペーシフィケーション方式は主にトークン・バイ・トーケンの自己回帰復号化のために設計されている。 そこで本研究では,注目度,FFN,MoEを両立させるスパース検証フレームワークを提案する。
  論文  参考訳（メタデータ） (2025-12-26T07:53:41Z)
• COIN: Uncertainty-Guarding Selective Question Answering for Foundation Models with Provable Risk Guarantees [51.5976496056012]
  COINは、統計的に有効な閾値を校正し、質問毎に1つの生成された回答をフィルタリングする不確実性保護選択フレームワークである。 COINはキャリブレーションセット上で経験的誤差率を推定し、信頼区間法を適用して真誤差率に高い確率上界を確立する。 リスク管理におけるCOINの堅牢性,許容回答を維持するための強いテストタイムパワー,キャリブレーションデータによる予測効率を実証する。
  論文  参考訳（メタデータ） (2025-06-25T07:04:49Z)
• Conformal Prediction Beyond the Seen: A Missing Mass Perspective for Uncertainty Quantification in Generative Models [20.810300785340072]
  Conformal Prediction with Query Oracle (CPQ)は、これらの目的間の最適な相互作用を特徴付けるフレームワークである。 本アルゴリズムは2つの基本原理に基づいて構築されている。一方は最適なクエリポリシーを規定し、他方はクエリされたサンプルから予測セットへの最適マッピングを定義する。
  論文  参考訳（メタデータ） (2025-06-05T18:26:14Z)
• Amortized Conditional Normalized Maximum Likelihood: Reliable Out of Distribution Uncertainty Estimation [99.92568326314667]
  本研究では,不確実性推定のための拡張性のある汎用的アプローチとして,償却条件正規化最大値(ACNML)法を提案する。 提案アルゴリズムは条件付き正規化最大度(CNML)符号化方式に基づいており、最小記述長の原理に従って最小値の最適特性を持つ。 我々は、ACNMLが、分布外入力のキャリブレーションの観点から、不確実性推定のための多くの手法と好意的に比較することを示した。
  論文  参考訳（メタデータ） (2020-11-05T08:04:34Z)
• Pre-training Is (Almost) All You Need: An Application to Commonsense Reasoning [61.32992639292889]
  事前学習されたトランスモデルの微調整は、一般的なNLPタスクを解決するための標準的なアプローチとなっている。 そこで本研究では,可視性ランキングタスクをフルテキスト形式でキャストする新たなスコアリング手法を提案する。 提案手法は, ランダム再起動にまたがって, より安定した学習段階を提供することを示す。
  論文  参考訳（メタデータ） (2020-04-29T10:54:40Z)

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。