論文の概要: Measuring Distortion in the Empty Regions of Dimensionality Reduction Scatterplots with the Gap Index

• arxiv url: http://arxiv.org/abs/2607.28324v1
• Date: Thu, 30 Jul 2026 14:57:19 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-07-31 21:37:00.615837
• Title: Measuring Distortion in the Empty Regions of Dimensionality Reduction Scatterplots with the Gap Index
• Title（参考訳）: ギャップ指数による次元還元散乱体のエンプティ領域の歪み測定
• Abstract要約: ギャップ指数(英: Gap Index, GI)は、射影の空き領域における空間歪みを測定することで、視覚的歪みを捉える2次元投影のための品質指標である。 その結果、一般的な品質指標とは対照的に、GIは視覚的影響の高い小さな構造変形に敏感であることがわかった。
• 参考スコア（独自算出の注目度）: 44.77734181371317
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Quality metrics play a crucial role in the proper use of dimensionality reduction projections for visual analysis of high-dimensional data. They quantify the degree of distortion of a projection compared to the high-dimensional data and provide a reliable indication of how confident users can be in the structures they see in the resulting layouts. However, most popular metrics focus on capturing direct relationships between points (e.g., distances or neighborhoods) while neglecting distortions in empty areas of the layout, even though these often compose visually relevant features of a 2D layout. In this paper, we introduce the Gap Index (GI), a quality metric for 2D projections that captures visual distortion by measuring spatial distortion in empty areas of a projection. It does so by decomposing the space into empty triangles, which are then compared to their high-dimensional counterparts to compute the deformation. This per-triangle deformation can be aggregated into a single scalar value or overlaid on a projection to visualize regional distortion patterns. Results show that, contrary to popular quality metrics, the GI is sensitive to small structural deformations that have high visual impact. It is also fast to compute and interpretable.
• Abstract（参考訳）: 品質指標は、高次元データの視覚的分析に次元レゾリューションプロジェクションを適切に利用する上で重要な役割を担っている。 プロジェクションの歪みの程度を高次元データと比較し定量化し、その結果のレイアウトでユーザがどれだけ信頼できるかを示す。 しかしながら、最も一般的なメトリクスは、2Dレイアウトの視覚的に関連性のある特徴を構成するにもかかわらず、レイアウトの空き領域における歪みを無視しながら、ポイント(例えば、距離や近傍)間の直接的な関係を捉えることに焦点を当てている。 本稿では,2次元プロジェクションの品質指標であるGap Index(GI)を紹介する。 空間を空の三角形に分解し、高次元の三角形と比較して変形を計算する。 この三角形毎の変形は、プロジェクション上の1つのスカラー値またはオーバーレイドに集約して、局所的な歪みパターンを可視化することができる。 その結果、一般的な品質指標とは対照的に、GIは視覚的影響の高い小さな構造変形に敏感であることがわかった。 計算と解釈も高速である。

関連論文リスト

• SphereSOD: Geometry-Structure Coupled Learning for 360 Salient Object Detection [75.77856258186854]
  360度高解像度物体検出は、全視野にわたって高解像度領域を正確に分割することを目的としている。 既存の手法は主に、パノラマ幾何学と健全な物体構造との相互作用を見越しながら、投影歪みを補正することに焦点を当てている。 SphereSODは、パノラマ幾何学と進化する塩分構造を結合したERPネイティブフレームワークである。
  論文  参考訳（メタデータ） (2026-09-07T14:47:54Z)
• Topo-GS: Continuous Volumetric Embedding of High-Dimensional Data via Topological Gaussian Splatting [4.621191941382847]
  Topo-GS は 3D Gaussian Splatting (3DGS) を再利用し、メッシュレスボリューム再構成プロセスとして多次元投影を行うフレームワークである。 Topo-GSは離散散乱プロットを連続体積表現に変換することに成功した。
  論文  参考訳（メタデータ） (2026-05-16T14:21:08Z)
• Mind the Gaps: Measuring Visual Artifacts in Dimensionality Reduction [44.77734181371317]
  本稿では2次元平面上のDRプロジェクションの品質を測定するための新しい指標であるWarping Index(WI)を紹介する。 いくつかのプロジェクション品質指標 (PQMs) はDRプロジェクションの適合性を定量化するツールとして開発されている。
  論文  参考訳（メタデータ） (2025-11-18T14:45:19Z)
• Where, Not What: Compelling Video LLMs to Learn Geometric Causality for 3D-Grounding [0.8883733362171032]
  この問題に対処するために,What-Where Representation Re-Forming (W2R2) と呼ばれる新しいトレーニングフレームワークを提案する。 提案手法は,2次元特徴を「何」識別のための意味的ビーコン,3次元特徴を「Where」ローカライゼーションのための空間的アンカーとして指定することにより,モデルの内部空間を根本的に改善する。 ScanReferとScanQAで行った実験では、W2R2の有効性が示され、ローカライゼーションの精度とロバスト性が大きく向上した。
  論文  参考訳（メタデータ） (2025-10-19T22:40:18Z)
• How Scale Breaks "Normalized Stress" and KL Divergence: Rethinking Quality Metrics [0.20999222360659606]
  研究者は、しばしば2次元散乱プロットの精度を測定するために品質指標を使用する。 最も一般的に使用されるメトリクスの1つ、正規化ストレスは、投影の均一なスケーリング(ストレッチ、縮小)に敏感である。 得られた値がどの程度変化し、これが寸法削減技術の評価にどのように影響するかを示す。
  論文  参考訳（メタデータ） (2025-10-09T13:11:31Z)
• PointVDP: Learning View-Dependent Projection by Fireworks Rays for 3D Point Cloud Segmentation [66.00721801098574]
  本稿では,ポイントクラウドのセグメンテーションを容易にするために,ビュー依存プロジェクション(VDP)を提案する。 VDPは3Dポイント分布からデータ駆動プロジェクションを生成する。 フレームワークを最適化するために色規則化を構築します。
  論文  参考訳（メタデータ） (2025-07-09T07:44:00Z)
• Flattening-Net: Deep Regular 2D Representation for 3D Point Cloud Analysis [66.49788145564004]
  我々は、任意の幾何学と位相の不規則な3次元点雲を表現するために、Flattning-Netと呼ばれる教師なしのディープニューラルネットワークを提案する。 我々の手法は、現在の最先端の競合相手に対して好意的に機能する。
  論文  参考訳（メタデータ） (2022-12-17T15:05:25Z)
• On Robust Cross-View Consistency in Self-Supervised Monocular Depth Estimation [56.97699793236174]
  本論文では,2種類の堅牢なクロスビュー整合性について検討する。 深度特徴空間と3次元ボクセル空間の時間的コヒーレンスを自己教師付き単眼深度推定に利用した。 いくつかのアウトドアベンチマークの実験結果から,本手法は最先端技術より優れていることが示された。
  論文  参考訳（メタデータ） (2022-09-19T03:46:13Z)
• Visualizing high-dimensional loss landscapes with Hessian directions [0.0]
  低次元の損失表現における曲率特性が、元の損失空間における曲率特性にどのように依存するかを考察する。 元の空間のサドル点は、ランダムな射影が用いられる場合、期待される下次元表現のように正しく識別されることは滅多にない。
  論文  参考訳（メタデータ） (2022-08-28T13:18:47Z)

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。