論文の概要: TailProp: content-adaptive light- and heavy-tailed propagation for vision

• arxiv url: http://arxiv.org/abs/2609.11081v1
• Date: Thu, 10 Sep 2026 04:38:45 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-09-11 23:53:35.21326
• Title: TailProp: content-adaptive light- and heavy-tailed propagation for vision
• Title（参考訳）: TailProp:視覚のためのコンテンツ適応型光・重尾伝搬
• Abstract要約: 本稿では,階層型視覚バックボーンであるTailPropを紹介した。 TailPropは画像分類、オブジェクト検出、セマンティックセグメンテーション、ロバスト性、クロスバック復元などにわたって、一致した伝搬ベースラインを一貫して上回っている。
• 参考スコア（独自算出の注目度）: 11.825348402205051
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Science-inspired vision models show that explicit propagation dynamics can provide structured and interpretable alternatives to conventional token mixing. Existing formulations, however, typically construct and adapt visual propagation within a particular dynamical family, while visual representations can require substantially different spatial interactions across samples, channels, and network stages. We explore cross-regime adaptive propagation and introduce TailProp, a hierarchical vision backbone built upon the Tail Propagation Operator (TPO). TPO uses Gaussian and Cauchy stable-process propagators as complementary bases with rapidly decaying and heavy-tailed spatial influence, and predicts a content-conditioned channel-wise coefficient to adaptively combine them. Because this coefficient is spatially shared, the two responses are fused directly in the DCT domain with a single DCT/IDCT pair, yielding $O(N^{1.5})$ spatial mixing for square feature maps with $N=HW$ and fixed channel width. Across image classification, object detection, semantic segmentation, robustness, and cross-backbone restoration, TailProp consistently outperforms matched propagation baselines; TailProp-B reaches 84.4% Top-1 accuracy on ImageNet-1K, 50.3/44.8 box/mask AP under the 3x Mask R-CNN schedule, and 50.8% mIoU on ADE20K. Controlled ablations further show that these gains are not explained by single-basis propagation, an additional same-family branch, or within-family adaptive order alone, supporting complementary two-basis propagation as an effective design principle for visual representation learning.
• Abstract（参考訳）: 科学に着想を得た視覚モデルでは、明示的な伝播力学が従来のトークン混合の代替として構造化され解釈可能であることが示されている。 しかし、既存の定式化は、通常、特定の動的ファミリー内で視覚的伝播を構築し、適応するが、視覚的表現はサンプル、チャネル、ネットワークステージ間での空間的相互作用を著しく異なるものにする必要がある。 本稿では,Tail Propagation Operator(TPO)上に構築された階層型視覚バックボーンであるTailPropを紹介する。 TPOは、ガウスとコーシーの安定プロセスプロパゲータを、急速に崩壊し、重尾の空間的影響を持つ相補的基盤として使用し、コンテンツ条件のチャネルワイド係数を予測して、それらを適応的に組み合わせる。 この係数は空間的に共有されるので、2つの応答はDCTドメインに直接DCT/IDCTペアで融合し、N=HW$と固定チャネル幅の正方形特徴写像に対して$O(N^{1.5})$空間混合を与える。 TailProp-BはImageNet-1Kでは84.4%、Mask R-CNNでは50.3/44.8ボックス/マスクAPでは50.8%、ADE20Kでは50.8%である。 さらに、これらの利得は、視覚表現学習の効果的な設計原理として、単一基底伝播、追加の同系統分岐、または家族内適応順序だけでは説明されないことを示す。

関連論文リスト

• Spiking Local Interaction and Adaptive Complementary Fusion for Spiking Transformer [19.12698354620558]
  スパイキング・トランスフォーマーは、主にスパイキング・セルフアテンション(SSA)を介してトークン相互作用をモデル化する Spiking Local Interaction (SLI) と Adaptive Complementary Fusion (ACF) を紹介する。 ACFはSSAとSLIを、異なるネットワーク深さでのコントリビューションを適応的にバランスする層特異的なチャネルワイド係数を通じて統合する。
  論文  参考訳（メタデータ） (2026-08-11T14:23:26Z)
• Structure-Feature Aligned Graph Learning via Alternating Constrained Optimization [7.881713230406407]
  本稿では,構造条件付きGNN埋め込みと,アンカーモデルで事前に学習されていた構造自由機能とを一致させる,ノード予測のための制約付き2ビューフレームワークを提案する。 また,グローバルスペクトル平滑化と局所空間識別の表現をノードワイズゲーティング機構により動的にルーティングするChannel-Split Adaptive Gated GNN (CSAG-GNN)を提案する。
  論文  参考訳（メタデータ） (2026-07-13T13:58:52Z)
• SEED: Targeted Data Selection by Weighted Independent Set [76.68391670109433]
  我々はSEEDと呼ばれる堅牢でスケーラブルなデータ選択パイプラインを開発した。 SEEDは、命令チューニング、視覚的命令チューニング、セマンティックセグメンテーションにおける最先端の手法を一貫して上回っている。
  論文  参考訳（メタデータ） (2026-05-15T07:26:54Z)
• Deep Dreams Are Made of This: Visualizing Monosemantic Features in Diffusion Models [0.12277343096128711]
  本稿では,最適化による特徴可視化を潜時拡散モデルに拡張する機械的解釈可能性手法である潜時可視化法(LVO)を提案する。 LVOはスパースオートエンコーダ(SAE)を用いて、多意味層表現をモノセマンティックな特徴に分解する。
  論文  参考訳（メタデータ） (2026-05-06T13:21:24Z)
• INST-Align: Implicit Neural Alignment for Spatial Transcriptomics via Canonical Expression Fields [1.0487944945684993]
  INST-Alignは、座標ベースの変形ネットワークと共有カノニカル表現場を結合する。 最先端の平均OT精度(0.702)、NN精度(0.719)、チャンファー距離(94.9%)を実現している。 また、生物学的に意味のある空間埋め込みとコヒーレントな3D組織再構築をもたらす。
  論文  参考訳（メタデータ） (2026-04-13T21:44:18Z)
• TwistNet-2D: Learning Second-Order Channel Interactions via Spiral Twisting for Texture Recognition [8.911086692137593]
  指向性空間変位下での局所的な対流路積を計算する軽量モジュールTwistNet-2Dを導入する。 中心となるコンポーネントであるSpral-Twisted Channel Interaction (STCI)は、要素ワイドチャネル乗算の前に所定の方向に1つの特徴マップをシフトする。
  論文  参考訳（メタデータ） (2026-02-06T23:25:00Z)
• Harnessing Group-Oriented Consistency Constraints for Semi-Supervised Semantic Segmentation in CdZnTe Semiconductors [71.44213719783703]
  ICAF(Intra-group Consistency Augmentation Framework)は、CdZnTe(Cadmium Zinc Telluride)半導体画像にラベルを付けるために開発された。 ICAF は View Augmentation Module (VAM) と View Correction Module (VCM) の2つの重要なモジュールで構成されている。 ICAFは、CdZnTeデータセット上の70.6% mIoUを2つのグループアノテートデータのみを用いて達成する。
  論文  参考訳（メタデータ） (2025-08-18T09:40:36Z)
• Double-Shot 3D Shape Measurement with a Dual-Branch Network for Structured Light Projection Profilometry [14.749887303860717]
  我々は、異なる構造光(SL)変調を処理するために、デュアルブランチ畳み込みニューラルネットワーク(CNN)-トランスフォーマーネットワーク(PDCNet)を提案する。 PDCNet内では、Transformerブランチを使用してフリンジイメージのグローバルな認識をキャプチャし、CNNブランチはスペックルイメージのローカル詳細を収集するように設計されている。 提案手法は, 自己生成データセット上で高精度な結果が得られる一方で, フランジオーダーの曖昧さを低減できる。
  論文  参考訳（メタデータ） (2024-07-19T10:49:26Z)
• ClusterFormer: Clustering As A Universal Visual Learner [80.79669078819562]
  CLUSTERFORMERは、トランスフォーマーを用いたCLUSTERingパラダイムに基づくユニバーサルビジョンモデルである。 不均一な視覚タスクに様々なレベルのクラスタリングの粒度で対処することができる。 その有効性のために、コンピュータビジョンにおける普遍モデルにおけるパラダイムシフトを触媒できることを期待します。
  論文  参考訳（メタデータ） (2023-09-22T22:12:30Z)
• Learning Partial Correlation based Deep Visual Representation for Image Classification [61.0532370259644]
  CNNの新たな構造層としてスパース逆共分散推定(SICE)を定式化する。 本研究は,部分的相関に基づく深部視覚表現を求め,小さなサンプル問題を緩和する。 実験により,本モデルの有効性と優れた分類性能が示された。
  論文  参考訳（メタデータ） (2023-04-23T10:09:01Z)
• Bridging the Gap Between Vision Transformers and Convolutional Neural Networks on Small Datasets [91.25055890980084]
  小さなデータセットでスクラッチからトレーニングする場合、ビジョントランスフォーマー(ViT)と畳み込みニューラルネットワーク(CNN)の間には、依然として極端なパフォーマンスギャップがある。 本稿では2つの帰納バイアスを緩和する解として動的ハイブリッドビジョン変換器(DHVT)を提案する。 我々のDHVTは、CIFAR-100が85.68%、22.8Mパラメータが82.3%、ImageNet-1Kが24.0Mパラメータが82.3%の軽量モデルで、最先端のパフォーマンスを実現している。
  論文  参考訳（メタデータ） (2022-10-12T06:54:39Z)
• Adaptive feature recombination and recalibration for semantic segmentation with Fully Convolutional Networks [57.64866581615309]
  完全畳み込みネットワークを用いたセマンティックセグメンテーションに適応した特徴の組換えと空間適応型再分類ブロックを提案する。 その結果、再結合と再校正は競争ベースラインの結果を改善し、3つの異なる問題にまたがって一般化することを示した。
  論文  参考訳（メタデータ） (2020-06-19T15:45:03Z)

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。