論文の概要: A Fixed-Radius Distance-Band Benchmark for Dimensionality-Reduction Fidelity

• arxiv url: http://arxiv.org/abs/2608.21779v1
• Date: Sat, 22 Aug 2026 05:12:31 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-08-25 13:29:43.457256
• Title: A Fixed-Radius Distance-Band Benchmark for Dimensionality-Reduction Fidelity
• Title（参考訳）: ディメンダリティ・リダクション忠実度のための固定ラディウス距離バンドベンチマーク
• Abstract要約: 次元性推論(DR)法は、各点の k 近傍が 2-D 埋め込みをいかにうまく生き残るかによって、日常的に判断される。 この家族は距離の忠実さのバイアスのある尺度であると主張する。 代わりに、固定半径距離バンドShepard rhoでDR忠実度をスコアする。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Dimensionality-reduction (DR) methods are routinely judged by how well each point's k nearest neighbors survive the 2-D embedding (recall@k, trustworthiness, continuity). We argue this family is a biased measure of distance fidelity: its per-point variable radius and hard inclusion threshold favor neighbor-graph methods (t-SNE, UMAP) and penalize methods that preserve absolute distances. We instead score DR fidelity with a fixed-radius distance-band Shepard rho: the Spearman correlation between high-D and 2-D pairwise distances, restricted to cumulative distance bands so that near and global structure are reported separately, with every point judged on the same absolute radius. On synthetic datasets with known ground-truth geometry (non-uniform density, dense clusters, a closed-loop transition, off-subspace outliers, imbalanced two-population data) at realistic noise (SNR=1, D=768, N=1000), we benchmark eight methods -- PCA, Isomap, t-SNE, UMAP, PyMDE, PCC, DREAMS, and the closed-source toorPIA -- and show that (i) high global Shepard rho can coexist with a ~93x collapse of within-cluster scale, invisible to rank-based scores but obvious in a value-based over-compression metric; (ii) recall@k and the fixed-radius band disagree systematically, in the direction the bias predicts; (iii) a membership-restricted Shepard rho resolves single-point and minority-population questions that many-pair statistics cannot -- questions on which even DREAMS, a recent local-plus-global hybrid, fails silently. A supplementary out-of-sample (addplot) test asks whether a never-seen anomaly lands outside the normal region and whether its direction identifies its source. All metrics are computed exactly on all pairwise distances, independently of any method's internals, and every number is reproducible offline: the closed-source method's output coordinates (not its algorithm) are committed to the artifact.
• Abstract（参考訳）: 次元性推論(DR)法は、各点の k 近傍の隣人が 2-D 埋め込み(recall@k, trustworthiness, continuity)をいかにうまく生き残るかによって、日常的に判断される。 点ごとの変動半径とハード包摂閾値は、絶対距離を保存する隣のグラフ法(t-SNE, UMAP)とペナルライズ法に有利である。 固定半径距離バンドShepard rho: 高次元と2次元の対距離のスピアマン相関は累積距離バンドに制限され、近距離と大域構造は別々に報告され、各点は同じ絶対半径で判定される。 現実的雑音(SNR=1, D=768, N=1000)における既知基底構造(非一様密度, 密度クラスタ, 閉ループ遷移, オフサブスペース外乱, 不均衡2集団データ)を持つ合成データセットについて、PCA, Isomap, t-SNE, UMAP, PyMDE, PCC, DREAMS, およびクローズドソースtoorPIAの8つの手法をベンチマークし、その結果を示す。 (i)高域シェパードローは、ランクベースのスコアには見えないが、値ベースのオーバー圧縮計量では明らかな、クラスタ内スケールの約93倍の崩壊と共存することができる。 (ii)リコール@kと固定ラディウスバンドは、バイアスが予測する方向に系統的に一致しない。 第三に、会員制限のシェパード・ローは、多くのペア統計では不可能な単一地点と少数人口の質問を解決します。 補足的なアウト・オブ・サンプレット(英語版)テスト(英語版)は、見えない異常が正常領域の外に着地し、その方向がそのソースを識別するかどうかを問う。 すべてのメトリクスは、任意のメソッドの内部とは独立して、すべてのペア距離で正確に計算され、全ての数値は再現可能オフラインである:クローズドソースメソッドの出力座標(アルゴリズムではない)は、アーティファクトにコミットされる。

関連論文リスト

• Trajectory-Anchor Optimization for Overconfident Thermal Visual Place Recognition: Zero-Leakage OOD Auditing and Kidnapped-Robot Recovery [3.9929096403817255]
  Trajectory-Anchor Optimization (TAO) はマクロスケールでの効率的なフェールセーフフィルタである。 5mの半径内では、幻覚はしばしば固いアライメントを知覚する局所的に一貫した幾何学を持つ。 TAOは、多視点の一貫性が破滅的な地形破壊を確実に分離する、明確な収束盆地(10m)を確立している。
  論文  参考訳（メタデータ） (2026-07-06T07:31:37Z)
• What Accuracy and Gradient Cosine Miss: Evaluating Feedback Alignment via Scale Stability, Reference Validity, and Depth Utility [48.10132234701036]
  本稿では,3つのチェック(スケール安定性,参照妥当性,深度ユーティリティ)に基づく診断評価プロトコルを提案する。 複数のアーキテクチャや手法にまたがって、我々のプロトコルは広い校正マージンを持つ全ての障害を識別する。
  論文  参考訳（メタデータ） (2026-06-19T06:04:17Z)
• Surflo: Consistent 3D Surface Flow Model with Global State [57.57234680235885]
  Surfloは、方向付けられた3次元表面点を、ノイズからフローマッチングを通じて独立して表面へ輸送することでデコードする。 独立なポイント単位の復号化に固有の局所的不整合を抑制するために、光度勾配を注入することにより、推定時間誘導項が近傍の点と相関する。 Surfloは、サーフェスメトリクスのフィードフォワードベースラインにマッチし、数百のビューを必要とする最適化ベースのメソッドよりも桁違いに高速に動作し、グローバルなラテントと任意の解像度のデコーディングを組み合わせた唯一のフィードフォワードアプローチである。
  論文  参考訳（メタデータ） (2026-06-11T17:48:38Z)
• Amplifying, Not Learning: Fine-Tuned AI Text Detectors Amplify a Pretrained Direction [51.56484100374058]
  テキスト検出器は、事前訓練された典型軸を増幅する。 タスク監督前の生エンコーダでは、3つのアーキテクチャでNYT-vs-HC3 AUROC 0.806/0.944/0.834を達成する。 RoBERTaベースでは、生のプロジェクションは微調整を超えるが、RoBERTaベースでは、フル微調整は、試験された流線型人口の双方で生よりも識別を小さくする。
  論文  参考訳（メタデータ） (2026-05-20T19:08:38Z)
• A Tale of Two Variances: When Single-Seed Benchmarks Fail in Bayesian Deep Learning [10.891872788947298]
  局所CRPS分散は単列推定誤差の直接信号を提供する。 パワーロー適合品質と単調性は、トラジェクトリ正則性のコンパクトなメソッドレベルの要約を提供する。
  論文  参考訳（メタデータ） (2026-04-25T02:52:33Z)
• Euclidean Distance Deflation Under High-Dimensional Heteroskedastic Noise [11.771119649617575]
  我々は,雑音の大きさを推定し,距離を補正する原理的な超自由な手法を開発した。 特に、単一セルRNAシークエンシングデータに適用すると、確立されたモデルと整合したノイズ推定が得られる。
  論文  参考訳（メタデータ） (2025-07-24T15:45:23Z)
• Community Detection Using Revised Medoid-Shift Based on KNN [6.356193190051355]
  Revised Medoid-Shift(RMS)と呼ばれる新しいアルゴリズムが提案され、コミュニティ検出の問題に対処している。 RMSアルゴリズムは、既知の真理分割を持つコミュニティデータセットと、既知の真理分割を持たないコミュニティデータセットの2種類のデータセットで試験される。
  論文  参考訳（メタデータ） (2023-04-19T09:02:24Z)
• Density-aware Chamfer Distance as a Comprehensive Metric for Point Cloud Completion [90.26652899910019]
  チャンファー距離 (CD) とアースモーバー距離 (EMD) は、2つの点集合間の類似度を測定するために広く採用されている2つの指標である。 本稿では,DCD(Dedentity-Aware Chamfer Distance)と呼ばれる新しい類似度尺度を提案する。 DCDは、全体構造と局所的詳細の両方に注意を払っており、CDと矛盾する場合でも、より信頼性の高い評価を提供する。
  論文  参考訳（メタデータ） (2021-11-24T18:56:27Z)
• Direct Measure Matching for Crowd Counting [59.66286603624411]
  そこで本研究では,予測密度マップを散乱点付基底真理に直接回帰する測度に基づく新しい計数手法を提案する。 本稿では, シンクホーンの測位損失を計測するために設計した, 半平衡型のシンクホーン発散を導出する。
  論文  参考訳（メタデータ） (2021-07-04T06:37:33Z)
• BikNN: Anomaly Estimation in Bilateral Domains with k-Nearest Neighbors [1.2183405753834562]
  本論文では異常推定のための新しい枠組みを提案する。 空間領域と密度領域の両方における異常の程度を推定する。 本手法は,空間領域と密度領域の両方を考慮に入れ,数個のパラメータを手動で調整することで異なるデータセットに適用できる。
  論文  参考訳（メタデータ） (2021-05-11T13:45:29Z)
• Canny-VO: Visual Odometry with RGB-D Cameras based on Geometric 3D-2D Edge Alignment [85.32080531133799]
  本稿では,自由形式の曲線登録に関する古典的な問題をレビューし,効率的なrgbdビジュアルオドメトリシステムcanny-voに適用する。 エッジ登録でよく用いられる距離変換の代替として、近似近接近傍場と配向近接近傍場という2つの方法が提案されている。 3D2Dエッジアライメントは、効率性と精度の両方の観点から、これらの代替製剤の恩恵を受けます。
  論文  参考訳（メタデータ） (2020-12-15T11:42:17Z)

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。