論文の概要: CoQui: A Coordinate-Conditioned Quantum Implicit Generative Adversarial Network for End-to-End Image Generation

• arxiv url: http://arxiv.org/abs/2608.11884v1
• Date: Wed, 12 Aug 2026 10:10:22 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-08-13 19:07:54.552129
• Title: CoQui: A Coordinate-Conditioned Quantum Implicit Generative Adversarial Network for End-to-End Image Generation
• Title（参考訳）: CoQui: エンド・ツー・エンド画像生成のための協調型量子暗示生成ネットワーク
• Abstract要約: QGAN(Quantum Generative Adversarial Network)は、パラメータ化量子回路を用いた画像生成に注目が集まっている。 既存の振幅ベースのアプローチは2つの重要な制限に直面している。 量子画像生成を座標条件付暗黙関数学習として再構成する。
• 参考スコア（独自算出の注目度）: 14.668365971999515
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Quantum generative adversarial networks (QGANs) have attracted increasing attention for image generation using parameterized quantum circuits. Existing amplitude-based approaches face two key limitations: pixel locations are typically encoded by computational-basis indices or address qubits, causing quantum resources to grow with image resolution; meanwhile, jointly decoding many pixels from normalized quantum states introduces probability competition among pixels and limits precise pixel-wise control. To address these issues, we reformulate quantum image generation as coordinate-conditioned implicit function learning. Our method takes spatial coordinates and latent variables as inputs, uses a classical embedding network to generate input-dependent circuit parameters, and evaluates a variational quantum circuit at each coordinate. Pixel intensities are directly obtained from the expectation value of a dedicated color qubit, and a complete image is generated by querying all spatial coordinates. This design decouples image resolution from address-qubit requirements and avoids shared probability-normalization constraints across pixels. We further design a specialized variational quantum circuit to provide structural inductive bias for coordinate-conditioned generation. Simulated experiments on two benchmark datasets show that our method outperforms FRQI-based generation and PQWGAN in visual and quantitative quality while using fewer qubits, and also achieves better generation quality than the corresponding classical baseline.
• Abstract（参考訳）: QGAN(Quantum Generative Adversarial Network)は、パラメータ化量子回路を用いた画像生成に注目が集まっている。 既存の振幅ベースのアプローチは2つの重要な制限に直面している: ピクセル位置は通常、計算基底のインデックスまたはアドレス量子ビットによって符号化され、画像解像度で量子資源が成長する。 これらの問題に対処するため、量子画像生成を座標条件付暗黙関数学習として再構成する。 提案手法は,空間座標と潜時変数を入力とし,古典的な埋め込みネットワークを用いて入力依存回路パラメータを生成し,各座標における変動量子回路の評価を行う。 専用カラーキュービットの期待値から直接画素強度を求め、全空間座標を問合せして完全な画像を生成する。 この設計は、アドレス量子ビット要求から画像分解能を分離し、画素間での確率正規化制約の共有を回避する。 さらに、座標条件付き生成のための構造的帰納バイアスを提供するために、特殊変動量子回路を設計する。 2つのベンチマークデータセットのシミュレーション実験により、我々の手法は、より少ない量子ビットを用いて、FRQIベースの生成とPQWGANを視覚的、定量的に上回り、また、対応する古典的ベースラインよりも優れた生成品質が得られることを示した。

関連論文リスト

• SQGen: Structured Quantum Image Generation with Latent-Modulated Quantized Tensor Trains [34.589572571878215]
  本稿では,量子化テンソルトレイン(QTT)上に潜在変調アーキテクチャを備えた完全量子発生器であるSQGenを提案する。 画像データセットと合成データの実験により、SQGenは安定して、古典的なデコーダを持たない浅い回路から画像のエンドツーエンドを生成できることを示した。
  論文  参考訳（メタデータ） (2026-07-07T09:33:18Z)
• Resource-Efficient Quantum-Enhanced Compressive Imaging via Quantum Classical co-Design [0.0]
  量子センシングは、古典的な限界以下の測定ノイズを減らすことにより、撮像性能を向上させることができる。 従来の量子イメージングスキームでは、各ピクセルまたは空間モードに独立してスクイーズが適用される。 量子ハードウェア層と古典ソフトウェア層との共設計により、量子リソース割り当てと古典的圧縮画像からのガイダンスを統合することで、必要な量子リソースを大幅に削減できることを示す。
  論文  参考訳（メタデータ） (2026-04-17T19:41:24Z)
• End-to-End QGAN-Based Image Synthesis via Neural Noise Encoding and Intensity Calibration [13.610834459583344]
  Quantum Generative Adversarial Networks (QGAN)は、短期的な量子デバイス上でのデータ分散を学習するための、有望なパスを提供する。 画像合成のための既存のQGANは、古典的な後処理やパッチベースの手法に依存して、直接のフルイメージ生成を避ける。 D-qubit量子回路を用いてN=2Dピクセル画像全体を合成するエンドツーエンドフレームワークReQGANを提案する。
  論文  参考訳（メタデータ） (2026-03-19T07:09:24Z)
• HQViT: Hybrid Quantum Vision Transformer for Image Classification [48.72766405978677]
  本稿では,モデル性能を向上しつつ,モデルトレーニングを高速化するHybrid Quantum Vision Transformer(HQViT)を提案する。 HQViTは振幅エンコーディングによる全画像処理を導入し、位置エンコーディングを追加せずにグローバルな画像情報をよりよく保存する。 様々なコンピュータビジョンデータセットの実験により、HQViTは既存のモデルよりも優れており、最大10.9%(MNIST 10-classification task)の改善を実現している。
  論文  参考訳（メタデータ） (2025-04-03T16:13:34Z)
• Qubit-efficient Variational Quantum Algorithms for Image Segmentation [4.737806718785056]
  量子コンピューティングは、古典的なアルゴリズムの範囲を超えて、様々な計算タスクを変換することが期待されている。 本研究では,教師なし画像分割における変分量子アルゴリズム(VQA)の適用について検討する。
  論文  参考訳（メタデータ） (2024-05-23T10:21:57Z)
• Characterizing randomness in parameterized quantum circuits through expressibility and average entanglement [39.58317527488534]
  量子回路(PQC)は、その主応用の範囲外ではまだ完全には理解されていない。 我々は、量子ビット接続性に関する制約の下で、PQCにおけるランダム状態の生成を分析する。 生成した状態の分布の均一性の増加と絡み合いの発生との間には,どれだけ急激な関係があるかを示す。
  論文  参考訳（メタデータ） (2024-05-03T17:32:55Z)
• A quantum segmentation algorithm based on local adaptive threshold for NEQR image [7.798738743268923]
  アルゴリズムの複雑さは$O(n2+q)$に縮めることができるが、これは古典的なアルゴリズムに比べて指数的なスピードアップである。 この実験はIBM Qを用いて、ノイズの多い中間スケール量子(NISQ)時代のアルゴリズムの実現可能性を示す。
  論文  参考訳（メタデータ） (2023-10-02T04:01:42Z)
• Simulation of Entanglement Generation between Absorptive Quantum Memories [56.24769206561207]
  我々は、QUantum Network Communication (SeQUeNCe) のオープンソースシミュレータを用いて、2つの原子周波数コム(AFC)吸収量子メモリ間の絡み合いの発生をシミュレートする。 本研究は,SeQUeNCe における truncated Fock 空間内の光量子状態の表現を実現する。 本研究では,SPDC音源の平均光子数と,平均光子数とメモリモード数の両方で異なる絡み合い発生率を観測する。
  論文  参考訳（メタデータ） (2022-12-17T05:51:17Z)
• Automatic and effective discovery of quantum kernels [41.61572387137452]
  量子コンピューティングは、カーネルマシンが量子カーネルを利用してデータ間の類似度を表現できるようにすることで、機械学習モデルを強化することができる。 本稿では,ニューラルアーキテクチャ検索やAutoMLと同じような最適化手法を用いて,この問題に対するアプローチを提案する。 その結果、高エネルギー物理問題に対する我々のアプローチを検証した結果、最良のシナリオでは、手動設計のアプローチに関して、テストの精度を一致または改善できることが示された。
  論文  参考訳（メタデータ） (2022-09-22T16:42:14Z)
• MoVQ: Modulating Quantized Vectors for High-Fidelity Image Generation [41.029441562130984]
  2段階ベクトル量子化(VQ)生成モデルは、高忠実度と高解像度の画像の合成を可能にする。 提案した変調VQGANは、再構成画像の品質を大幅に向上し、高忠実度画像生成を可能にする。
  論文  参考訳（メタデータ） (2022-09-19T13:26:51Z)
• A Hybrid Quantum-Classical Algorithm for Robust Fitting [47.42391857319388]
  本稿では,ロバストフィッティングのためのハイブリッド量子古典アルゴリズムを提案する。 私たちのコアコントリビューションは、整数プログラムの列を解く、新しい堅牢な適合式である。 実際の量子コンピュータを用いて得られた結果について述べる。
  論文  参考訳（メタデータ） (2022-01-25T05:59:24Z)
• Generation of High-Resolution Handwritten Digits with an Ion-Trap Quantum Computer [55.41644538483948]
  本稿では, 量子回路に基づく生成モデルを構築し, 生成逆数ネットワークの事前分布を学習し, サンプル化する。 我々は、このハイブリッドアルゴリズムを171ドルのYb$+$ ion qubitsに基づいてイオントラップデバイスでトレーニングし、高品質な画像を生成する。
  論文  参考訳（メタデータ） (2020-12-07T18:51:28Z)

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。