論文の概要: HMB-GAN: Hybrid Multi-Bézier GAN for Vector Shape Synthesis

• arxiv url: http://arxiv.org/abs/2609.21158v1
• Date: Thu, 17 Sep 2026 23:59:22 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-09-21 18:40:16.799067
• Title: HMB-GAN: Hybrid Multi-Bézier GAN for Vector Shape Synthesis
• Title（参考訳）: HMB-GAN:ベクトル形状合成のためのハイブリッドマルチベジエGAN
• Abstract要約: HMB-GANは、縫合された多重セグメントベジエ表現により閉形状を構成する、エンドツーエンドの微分可能な生成フレームワークである。 本アーキテクチャでは,量子増幅ジェネレータと古典的ジェネレータを比較し,点雲分布測定値と幾何学的形状統計値で評価する。 その結果, 高速収束, モデルパラメータ数削減, ポイントクラウドメトリクスの性能向上にもかかわらず, 量子発生器は過度のシミュレータオーバーヘッドに悩まされ, 古典的にシミュレーションされた評価はハードウェアの制約に悩まされることがわかった。
• 参考スコア（独自算出の注目度）: 1.1990442615486294
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: We explore the use of hybrid quantum-classical generative adversarial networks for synthesising CAD-ready vector geometries. Unlike prior work that operates in rasterised or single-Bézier domains, we introduce HMB-GAN (Hybrid Multi-Bézier GAN), an end-to-end differentiable generative framework that constructs closed shapes through stitched multi-segment Bézier representations with geometric continuity enforced by construction. We compare a quantum-enhanced generator with a classical generator within this architecture and evaluate them across point cloud distribution metrics and geometric shape statistics. Results show that despite faster convergence, a reduction in model parameter count, and slightly improved performance on point cloud metrics, the quantum generator suffers from excessive simulator overhead and thus classically-simulated evaluation suffers from hardware constraints. These results demonstrate the feasibility of modelling structured geometries through hybrid quantum architectures whilst highlighting contemporary hardware limitations.
• Abstract（参考訳）: 本稿では,CAD対応ベクトルジオメトリの合成に,ハイブリッド量子古典生成逆数ネットワークの利用について検討する。 ラスタ化あるいは単ベジエ領域で機能する以前の研究とは異なり、HMB-GAN (Hybrid Multi-Bézier GAN) は、構成によって強制される幾何連続性を持つ縫合多重セグメントベジエ表現を通して閉形状を構成する、エンドツーエンドの微分可能生成フレームワークである。 本アーキテクチャでは,量子増幅ジェネレータと古典的ジェネレータを比較し,点雲分布測定値と幾何学的形状統計値で評価する。 その結果, 高速収束, モデルパラメータ数削減, ポイントクラウドメトリクスの性能向上にもかかわらず, 量子発生器は過度のシミュレータオーバーヘッドに悩まされ, 古典的にシミュレーションされた評価はハードウェアの制約に悩まされることがわかった。 これらの結果は、現代ハードウェアの限界を強調しながら、ハイブリッド量子アーキテクチャによる構造的ジオメトリのモデル化の実現可能性を示している。

関連論文リスト

• Quantum Incremental Learning with Mixed State Prototypes [53.319426778720434]
  トレーニング可能な混合状態プロトタイプに基づく新しい量子インクリメンタル学習フレームワークを提案する。 本モデルでは,最小数の量子ビットを用いて高次元特徴量を実現する。
  論文  参考訳（メタデータ） (2026-08-11T04:22:42Z)
• Learning to Tessellate: Point Cloud Generation via Recursive Spectral Partitioning [58.130498928480456]
  本稿では, トポロジ保存型テッセルレーションプロセスとして, 点雲生成を再構成する自己回帰フレームワークであるPointRSPを提案する。 PointRSPは、複雑な3Dトポロジーをまたいだ強力な一般化を証明し、世代品質と多様性の最先端のパフォーマンスを達成する。
  論文  参考訳（メタデータ） (2026-08-03T16:11:43Z)
• Intrinsic Lorentz Neural Network [49.83037691286893]
  実世界のデータは、しばしば、双曲幾何学によって自然に表される潜在階層構造を示す。 本稿では,全計算をローレンツモデル内で行う完全内在型双曲型アーキテクチャであるEmphIntrinsic Lorentz Neural Network (ILNN)を提案する。 ネットワークの中核は、従来のユークリッド・アフィン・ロジットを閉形双曲線距離に置き換え、新しいエンファンポイント-ハイアプレーン完全連結層(FC)を導入している。
  論文  参考訳（メタデータ） (2026-02-27T12:48:05Z)
• Quantum-Inspired Spectral Geometry for Neural Operator Equivalence and Structured Pruning [5.804468830369267]
  この研究は、ニューラル演算子のための量子インスパイアされた幾何学的枠組みを導入する。 我々は、Fubini-Study/Wasserstein-2距離の消滅が証明可能な機能的近接性を意味することを示す、スペクトル-機能的同値性定理を厳密に証明する。 制御されたシミュレーションは、提案したメートル法がマグニチュードとランダムなベースラインよりも優れていることを検証している。
  論文  参考訳（メタデータ） (2025-11-30T12:57:38Z)
• Weighted Projective Line ZX Calculus: Quantized Orbifold Geometry for Quantum Compilation [0.764671395172401]
  本稿では,量子化オービフォールド位相とその図式意味論に基づく量子回路コンパイルのための統一的なフレームワークを開発する。 これらの効果は、重み付き射影直線 $mathbbP(a,b)$ 上の自然な記述を持ち、そのオービフォールド点が離散位相格子を符号化することを示す。 WPL-ZX計算は標準のZX形式の拡張であり、各クモは重み-位相-巻くトリプル$(a,,k)$を持つ。
  論文  参考訳（メタデータ） (2025-11-30T00:56:39Z)
• Towards Efficient Quantum Hybrid Diffusion Models [68.43405413443175]
  本稿では,量子ハイブリッド拡散モデルの設計手法を提案する。 量子コンピューティングの優れた一般化と古典的ネットワークのモジュラリティを組み合わせた2つのハイブリダイゼーション手法を提案する。
  論文  参考訳（メタデータ） (2024-02-25T16:57:51Z)
• EPiC-GAN: Equivariant Point Cloud Generation for Particle Jets [0.0]
  EPiC-GAN - 同変点雲生成逆数ネットワーク - を導入し、可変多重性の点雲を生成する。 EPiC-GANは、大規模粒子乗数によく対応し、ベンチマークジェット生成タスクにおける高世代忠実性を実現する。
  論文  参考訳（メタデータ） (2023-01-17T19:00:00Z)
• A Pareto-optimal compositional energy-based model for sampling and optimization of protein sequences [55.25331349436895]
  深層生成モデルは、生命科学における逆問題に対する一般的な機械学習ベースのアプローチとして登場した。 これらの問題は、データ分布の学習に加えて、興味のある複数の特性を満たす新しい設計をサンプリングする必要があることが多い。
  論文  参考訳（メタデータ） (2022-10-19T19:04:45Z)
• Quantum Simulation of the Bosonic Creutz Ladder with a Parametric Cavity [5.336258422653554]
  ハードウェア効率のよいアナログ量子シミュレータとして,マルチモード超伝導パラメトリックキャビティを用いた。 複雑なホッピング相互作用を持つ合成次元の格子を実現する。 複素数値ホッピング相互作用により、例えばゲージポテンシャルやトポロジカルモデルなどをシミュレートすることができる。
  論文  参考訳（メタデータ） (2021-01-11T14:46:39Z)
• Hyperbolic Neural Networks++ [66.16106727715061]
  ニューラルネットワークの基本成分を1つの双曲幾何モデル、すなわちポアンカーの球モデルで一般化する。 実験により, 従来の双曲成分と比較してパラメータ効率が優れ, ユークリッド成分よりも安定性と性能が優れていた。
  論文  参考訳（メタデータ） (2020-06-15T08:23:20Z)

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。