論文の概要: UniTAC: Universal Task-Aware Compression via Weighted Distortion Measures
- arxiv url: http://arxiv.org/abs/2608.16696v1
- Date: Mon, 17 Aug 2026 15:14:05 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-08-18 19:59:03.764257
- Title: UniTAC: Universal Task-Aware Compression via Weighted Distortion Measures
- Title（参考訳）: UniTAC: 軽量歪曲対策によるユニバーサルタスク認識圧縮
- Abstract要約: タスク特定操作に普遍的(タスク非依存)にまたがる単一の学習画像であるUniTACを提案する。
我々は、対角方向の重み付き歪みがタスク一貫性である場合に特徴付ける、基礎となる重み付き速度歪み問題を解析する。
0.034 bppのローカライズされたタスクでは、単一のUniTACモデルは91.4%の精度に達し、タスクベース(93.3%)よりわずか1.9%低く、普遍コーデック(76.9%)を超える。
- 参考スコア（独自算出の注目度）: 5.626680522690602
- License: http://creativecommons.org/licenses/by-nc-sa/4.0/
- Abstract: Physical AI systems such as autonomous vehicles and robots rely on timely exchange of high-dimensional sensory signals under tight bandwidth, latency, and energy budgets. Because the task driving downstream decisions evolves over time, a task-specific codec is brittle and retraining one per task is infeasible in the field. We propose UniTAC, a single learned image codec spanning universal (task-agnostic) to task-specialized operation, re-targeted at runtime without retraining. The task is abstracted as a per-component importance vector, derived, e.g., from gradient attribution of any downstream model, and transmitted as low-overhead side information that conditions both encoder and decoder. Trained once over a broad, randomized family of such vectors against weighted-reconstruction distortion, UniTAC keeps a fixed backbone and a single human-viewable reconstruction whose fidelity is steered to the active task by swapping the injected vector. We analyze the underlying weighted rate-distortion problem, characterizing when a diagonal weighted distortion is task-consistent and how weights relate to task sensitivity. Guided by this, we design a Vision Transformer (ViT) codec whose token-level conditioning natively realizes this weight-driven code. On a localized task at 0.034 bpp, a single UniTAC model reaches 91.4% accuracy, only 1.9% below a task-based codec (93.3%) and above universal codecs (76.9%).
- Abstract（参考訳）: 自動運転車やロボットのような物理的なAIシステムは、タイトな帯域幅、レイテンシ、エネルギー予算の下で高次元のセンサー信号のタイムリーな交換に依存している。
下流の意思決定を駆動するタスクは時間とともに進化するので、タスク固有のコーデックは不安定で、タスク毎に1つを再トレーニングすることは、フィールドでは不可能である。
タスク特化操作に普遍的(タスク非依存)にまたがる1つの学習画像コーデックUniTACを提案する。
このタスクは、ダウンストリームモデルの勾配属性から派生した、コンポーネントごとの重要度ベクトルとして抽象化され、エンコーダとデコーダの両方を条件とする低オーバーヘッド側情報として送信される。
重み付けされた再構成歪みに対して、そのようなベクトルの広いランダム化されたファミリーで一度訓練されたUniTACは、固定されたバックボーンと、注入されたベクトルをスワップすることで、アクティブなタスクに忠実に操られる単一の人間視可能再構成を保持する。
本研究では, 対角方向の重み付き歪みがタスク一貫性を持ち, 重みがタスク感度にどのように関係しているかを特徴付けることにより, 基礎となる重み付き速度歪問題を分析する。
そこで我々は、トークンレベルの条件付けにより、この重み付きコードをネイティブに実現したビジョントランスフォーマー(ViT)コーデックを設計する。
0.034 bppのローカライズされたタスクでは、単一のUniTACモデルが91.4%の精度に達し、タスクベースのコーデック(93.3%)以下で76.9%である。
関連論文リスト
- Adaptive Speech-to-Spike Encoding for Spiking Neural Networks [0.0]
本稿では,Recurrent Leaky Integrate-and-Fireバックボーンを組み込んだ,学習可能な残音声-スパイクエンコーダについて述べる。
このアプローチをGoogle Speech Commands v2ベンチマークで検証し、94.97%の精度を達成した。
論文 参考訳（メタデータ） (2026-06-17T13:07:20Z) - PACT: Preserving Anchored Cores in Task-vectors for Model Merging [68.52455853496585]
モデルマージは、複数のタスク固有の細調整されたモデルを単一のマルチタスクモデルに結合することを目的としている。
既存のモデルマージアプローチのほとんどは、Task Arithmeticパラダイムに従っています。
本研究では,タスクベクトル内の固定されたタスク固有コア(LBW次元)を,事前学習した重みのサブ空間と補間を整合させることにより保存するPACTを提案する。
論文 参考訳（メタデータ） (2026-06-17T02:48:35Z) - T-Rex: Tactile-Reactive Dexterous Manipulation [139.71263755530654]
本稿では,新しい時相触覚VQ-VAEエンコーダを備えた可変レートMixture-of-Transformers (MoT)アーキテクチャを提案する。
微妙な力制御と変形可能な物体操作を必要とする12の操作課題に対して,触覚反応が有効であることを示す。
論文 参考訳（メタデータ） (2026-06-15T17:59:55Z) - Task-Oriented Communication for Human Action Understanding via Edge-Cloud Co-Inference [19.901979392669443]
スマートセンシングは、ネットワークエッジにおける人間の行動の正確な理解に対する需要が高まっている。
従来のアプローチでは、リソース制約のあるエッジデバイスから強力なクラウドサーバへ、大量のビデオデータを送信する必要がある。
エッジクラウドコラボレーションによるヒューマンアクション理解(TOAU)のためのタスク指向コミュニケーションフレームワークを提案する。
論文 参考訳（メタデータ） (2026-05-08T07:08:28Z) - LiVeAction: a Lightweight, Versatile, and Asymmetric Neural Codec Design for Real-time Operation [0.7448254811651419]
我々は軽量でヴァーサタイル的で非対称なニューラルアーキテクチャ(LiVeAction)を導入する。
対人的および知覚的損失を分散ベースのレートペナルティに置き換える。
我々の設計では、最先端の生成トークンよりも高速な速度歪み性能を実現するコーデックを製造している。
論文 参考訳（メタデータ） (2026-05-07T17:42:38Z) - Fooling the Decoder: An Adversarial Attack on Quantum Error Correction [49.48516314472825]
本研究では,基本的なRL曲面符号デコーダ(DeepQ)を目標とし,量子誤り訂正に対する最初の逆攻撃を生成する。
メモリ実験における論理量子ビット寿命を最大5桁まで短縮する攻撃を実証する。
この攻撃は、機械学習ベースのQECの感受性を強調し、堅牢なQEC手法に関するさらなる研究の重要性を強調している。
論文 参考訳（メタデータ） (2025-04-28T10:10:05Z) - RL-RC-DoT: A Block-level RL agent for Task-Aware Video Compression [68.31184784672227]
自律運転のような現代的なアプリケーションでは、圧倒的多数のビデオがタスクを実行するAIシステムの入力として機能する。
したがって、画像の品質ではなく、下流タスクのためにエンコーダを最適化することが有用である。
ここでは、下流タスクを最適化するために、マクロブロックレベルで量子化パラメータ(QP)を制御することで、この問題に対処する。
論文 参考訳（メタデータ） (2025-01-21T15:36:08Z) - Robust and Transferable Backdoor Attacks Against Deep Image Compression With Selective Frequency Prior [118.92747171905727]
本稿では,学習画像の圧縮モデルに複数のトリガを付加したバックドアアタックを起動するための新しい周波数ベースのトリガインジェクションモデルを提案する。
1) 圧縮品質をビットレートと再現精度で劣化させる,2) 顔認識やセマンティックセグメンテーションといったタスク駆動型対策を目標とする,様々なシナリオに適した攻撃目標を設計する。
実験の結果, トリガーインジェクションモデルと, エンコーダパラメータの微調整を組み合わせることで, 複数のバックドアとトリガーを1つの圧縮モデルに注入することができた。
論文 参考訳（メタデータ） (2024-12-02T15:58:40Z) - Accelerating Error Correction Code Transformers [56.75773430667148]
本稿では,トランスを用いたデコーダの高速化手法を提案する。
最新のハードウェアでは、90%の圧縮比を実現し、算術演算エネルギー消費を少なくとも224倍削減する。
論文 参考訳（メタデータ） (2024-10-08T11:07:55Z) - ODTFormer: Efficient Obstacle Detection and Tracking with Stereo Cameras Based on Transformer [12.58804521609764]
ODTFormerはTransformerベースのモデルで、障害検出と追跡の両方の問題に対処する。
我々は,最先端の障害物追跡モデルに匹敵する精度を報告し,そのコストはごくわずかである。
論文 参考訳（メタデータ） (2024-03-21T17:59:55Z)
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。