論文の概要: Hierarchical Prompt Learning for Hyperbolic Vision-Language Models

• arxiv url: http://arxiv.org/abs/2609.24276v1
• Date: Mon, 21 Sep 2026 08:41:18 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-09-22 20:29:01.213335
• Title: Hierarchical Prompt Learning for Hyperbolic Vision-Language Models
• Title（参考訳）: 双曲型視覚言語モデルのための階層型プロンプト学習
• Abstract要約: 凍結型双曲型視覚言語モデルのための階層的即時学習プラグインを提案する。 クラスプロンプト学習者には、個別の親プロンプト学習者、親レベルの監督、双曲的エンターメント正規化、親フィードバックロジット融合が提供される。 我々はこの手法をCoOp,CoCoOp,MaPLeでインスタンス化し,HyPLO,CoHyPLO,MaHyPLOを得た。
• 参考スコア（独自算出の注目度）: 28.377046507156752
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Hyperbolic vision-language models (VLMs) represent image and text features in a geometry naturally suited to hierarchy, but their adaptation to downstream tasks has largely relied on fixed prompts. Existing prompt learning methods, meanwhile, treat class labels as a flat set and do not exploit available taxonomic structure. We address this gap with a hierarchical prompt learning plug-in for frozen hyperbolic VLMs. Given a fixed offline parent-class hierarchy, it augments a class prompt learner with a separate parent prompt learner, parent-level supervision, hyperbolic entailment regularization, and parent-feedback logit fusion. We instantiate the method with CoOp, CoCoOp and MaPLe, yielding HyPLO, CoHyPLO and MaHyPLO. Across the standard 11-dataset benchmark, all variants improve base-to-new generalization and cross-dataset transfer, and remain comparable to their prompt learning baselines under domain shift. Six hierarchical metrics and embedding analyses show that the method produces more taxonomically consistent predictions and induces a hierarchy-consistent organization of parent, class, and image embeddings in hyperbolic space. Its gains are largest when novel classes must be placed within a fixed taxonomy, and smallest for fine-grained confusions among sibling classes or shifts affecting only the image distribution.
• Abstract（参考訳）: 双曲型視覚言語モデル(VLM)は、階層構造に自然に適合する幾何学における画像とテキストの特徴を表すが、下流タスクへの適応は固定的なプロンプトに大きく依存している。 一方、既存の素早い学習方法は、クラスラベルをフラットセットとして扱い、利用可能な分類学的構造を利用していない。 凍結型双曲型VLMのための階層的急速学習プラグインを用いて,このギャップに対処する。 固定されたオフラインの親クラス階層が与えられ、個別の親プロンプト学習者、親レベルの監督、双曲的包含規則化、親フィードバックロジット融合によってクラスプロンプト学習者を拡張する。 我々はこの手法をCoOp,CoCoOp,MaPLeでインスタンス化し,HyPLO,CoHyPLO,MaHyPLOを得た。 標準の11データセットベンチマーク全体を通じて、すべての変種はベース・ツー・ニューな一般化とクロス・データセット転送を改善し、ドメインシフト下での学習ベースラインに匹敵する水準を維持している。 6つの階層的なメトリクスと埋め込み分析は、この手法がより分類学的に一貫した予測を生成し、双曲空間における親、クラス、イメージの埋め込みの階層的に一貫性のある組織を誘導することを示している。 その利益は、新しいクラスが固定された分類に置かれなければならない場合に最大であり、兄弟クラス間の微妙な混乱や、イメージの分布にのみ影響するシフトに対して最小である。

関連論文リスト

• Online Continual Learning with Dynamic Label Hierarchies [72.33335166136045]
  粒度をまたいで重大度が進化する新しい問題設定であるDHOCLを導入し,各サンプルは単一階層レベルでの監視を行う。 i) 混合粒度の部分的監視は、塑性を制約し、階層間のセマンティック一貫性を損なう、進化するパスワイド階層上のポイントワイド信号のみを提供する。 本稿では,相補的分類を適応的に組み合わせ,学習可能な階層型プロトタイプによって正規化し,素早い適応,階層的整合性,構造的知識の統合を可能にするHALOを提案する。
  論文  参考訳（メタデータ） (2026-05-12T08:20:23Z)
• Hierarchical Semantic Tree Anchoring for CLIP-Based Class-Incremental Learning [11.82771798674077]
  クラスインクリメンタルラーニング(Class-Incremental Learning, CIL)は、モデルが過去の知識を保ちながら、新しいクラスを継続的に学習することを可能にする。 しかし、現実世界の視覚的および言語的概念は本質的に階層的である。 本稿では,CILに階層的な情報を固定し,破滅的な忘れを抑えるHASTENを提案する。
  論文  参考訳（メタデータ） (2025-11-19T17:14:47Z)
• Minimizing Hyperbolic Embedding Distortion with LLM-Guided Hierarchy Restructuring [19.895748346987435]
  双曲埋め込みの品質は入力階層の構造と密接に結合する。 本稿では,Large Language Models (LLM) が,これらの基準を満たすために階層を自動的に再構築できるかどうかを検討する。 16の多様な階層の実験は、LLM再構成階層が常に高品質な双曲的埋め込みをもたらすことを示している。
  論文  参考訳（メタデータ） (2025-11-16T18:10:20Z)
• Hierarchical Representation Matching for CLIP-based Class-Incremental Learning [80.2317078787969]
  クラスインクリメンタルラーニング(Class-Incremental Learning, CIL)は、進化するデータストリームに継続的に適応可能なモデルを提供することを目的とする。 事前訓練された視覚言語モデル(例えばCLIP)の最近の進歩は、このタスクの強力な基盤を提供する。 本稿では,CLIPベースのCILのためのHiErarchical Representation MAtchiNg(HERMAN)を紹介する。
  論文  参考訳（メタデータ） (2025-09-26T17:59:51Z)
• Learning Structured Representations with Hyperbolic Embeddings [22.95613852886361]
  ラベル階層を学習表現に正確に埋め込むハイパーボリック構造正規化手法HypStructureを提案する。 いくつかの大規模ビジョンベンチマークの実験では、歪みを低減するためのHypStructureの有効性が示されている。 構造化された表現をよりよく理解するために、表現幾何学と改善されたout-of-Distribution(OOD)検出性能をリンクする固有値解析を行う。
  論文  参考訳（メタデータ） (2024-12-02T00:56:44Z)
• Towards Realistic Zero-Shot Classification via Self Structural Semantic Alignment [53.2701026843921]
  大規模事前訓練型視覚言語モデル(VLM)はゼロショット分類に有効であることが証明されている。 本稿では,アノテーションではなく,より広い語彙を前提とした,より難易度の高いゼロショット分類(Realistic Zero-Shot Classification)を提案する。 本稿では,ラベルのないデータから構造意味情報を抽出し,同時に自己学習を行う自己構造意味アライメント(S3A)フレームワークを提案する。
  論文  参考訳（メタデータ） (2023-08-24T17:56:46Z)
• Exploring the Hierarchy in Relation Labels for Scene Graph Generation [75.88758055269948]
  提案手法は,Recall@50において,複数の最先端ベースラインを大きなマージン(最大33%の相対利得)で改善することができる。 実験により,提案手法により,最先端のベースラインを大きなマージンで改善できることが示された。
  論文  参考訳（メタデータ） (2020-09-12T17:36:53Z)

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。