論文の概要: Selective Amortization of Full-Budget Counterfactual Reasoning for Visual Token Communication

• arxiv url: http://arxiv.org/abs/2609.30756v1
• Date: Fri, 25 Sep 2026 03:31:35 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-09-28 18:27:51.218897
• Title: Selective Amortization of Full-Budget Counterfactual Reasoning for Visual Token Communication
• Title（参考訳）: ビジュアルトークン通信のためのフル予算逆推論の選択的補正
• Abstract要約: ACV-Gateは、フル予算の対実評価を近似するために学習する適応型候補評価フレームワークである。 CIFAR-10 実験の結果,ACV-Gate の再現性は安定的に向上し,候補評価を大幅に低減した。
• 参考スコア（独自算出の注目度）: 9.80800686970189
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Generative image communication transmits compact semantic tokens under a limited packet budget, where token selection directly affects the final reconstruction quality after the complete packet is decoded. However, accurately estimating the terminal value of every candidate token requires repeated receiver-side reconstruction, resulting in substantial encoder-side computation. To address this problem, we propose ACV-Gate, an adaptive candidate evaluation framework that learns to approximate full-budget counterfactual evaluation and selectively assigns exact evaluations to the most informative candidates. Specifically, a set-aware student is trained using terminal advantages and regrets to predict candidate rankings directly, while a selective refinement mechanism evaluates only a bounded candidate set containing both Local-MDL and direct actions; cost-based thresholds further enable explicit control of the average evaluation workload. Experiments on CIFAR-10 show that ACV-Gate consistently improves reconstruction quality while substantially reducing candidate evaluations; at 0.20 bpp, the primary adaptive configuration improves PSNR over LocalMDL by 0.636 dB with only 2.13 candidate evaluations per image, corresponding to 27.60% of the calls required by the Exact-Full expert. Matched-candidate comparisons, synchronized GPU measurements, and evaluations on STL-10 and 384 *384 scale transfer further demonstrate consistent quality computation trade-offs, with particularly pronounced gains at low bit rates. These results show that combining terminal-value learning with selective candidate evaluation provides an effective and controllable mechanism for allocating encoder computation in packet-constrained generative image communication.
• Abstract（参考訳）: 生成画像通信は、制限されたパケット予算の下でコンパクトなセマンティックトークンを送信し、トークン選択は、完全なパケットがデコードされた後、最終的な再構築品質に直接影響を及ぼす。 しかし、各候補トークンの終端値を正確に推定するには、繰り返し受信側再構成が必要であり、結果としてエンコーダ側での計算がかなりのものとなる。 ACV-Gateは,全予算対実評価を近似し,最も情報性の高い候補に対して正確な評価を選択的に割り当てる適応型候補評価フレームワークである。 具体的には、設定済みの学生を端末の利点と後悔を用いて訓練し、候補ランキングを直接予測し、選択精製機構は、ローカル-MDLとダイレクトアクションの両方を含む有界候補セットのみを評価し、コストベースの閾値により、平均評価ワークロードの明示的な制御を可能にする。 CIFAR-10の実験では、ACV-Gateは再設計品質を継続的に改善し、候補評価を大幅に削減した。0.20bppでは、初期適応型構成はローカルMDL上のPSNRを0.636dB改善し、1画像当たりの候補評価は2.13で、Exact-Fullの専門家が要求する呼び出しの27.60%に相当する。 一致候補比較、同期GPU測定、STL-10と384 *384スケール転送の評価により、特に低ビットレートでの利得が顕著な、一貫した品質計算のトレードオフが示される。 これらの結果は,端末値学習と選択候補評価を組み合わせることで,パケット制約による生成画像通信において,エンコーダ計算を割り当てる効果的かつ制御可能なメカニズムが提供されることを示す。

関連論文リスト

• Evaluator-Dependent Patient-Adaptive ECG Lead-Channel Allocation [3.337151338735509]
  ECGリードチャネル選択のための患者条件付き取得ポリシーは、人口全体の固定プロトコルより優れている。 制御された任意マスクロジスティック評価器を用いて訓練した2つのポリシーを凍結することにより, PTB-XLに対する評価器依存性を実証的に検討した。 3つのポストホック感度分析 -- 共通基準スコア、ポリシー生成マスクとランダムマスクの混合による強評価器のトレーニング、そして、評価器が整列した強MGAポリシートレーニング -- は、それぞれ正の相互作用間隔を維持している。
  論文  参考訳（メタデータ） (2026-08-27T09:04:31Z)
• Baseline-Relative Counterfactual Refinement for Bit-Aware Visual Token Communication [10.362447715626388]
  Gated Counterfactual Refinement for Communication (GCR-C) は、ローカルMDL上のロールアウトスタイルの補正層である。 GCR-Cは、実現したパケットレートを増大させることなく、アクティブな低および中速度動作点における再構成品質を一貫して改善する。 また、エンコーダ側の対実評価の追加により、計算のトレードオフが明確になる。
  論文  参考訳（メタデータ） (2026-08-17T07:16:37Z)
• CriterAlign: Criterion-Centric Rationale Alignment for Code Preference Judging [95.02210956333374]
  本稿では,一対の選好評価にルーブリックに基づく判断を適応させる基準中心のフレームワークを提案する。 BigCodeRewardでは、CriterAlignはQwen2.5-VL-32Bモノリシック判事を60.4%から66.3%に改善した。
  論文  参考訳（メタデータ） (2026-05-19T10:59:19Z)
• Select Smarter, Not More: Prompt-Aware Evaluation Scheduling with Submodular Guarantees [28.54776477263591]
  本稿では, Prompt-Aware Online Evaluation Scheduling (POES)を提案する。 POESはIRTベースの識別ユーティリティ、施設位置のカバレッジ用語、スイッチングコストを意識したウォームスタートスワップを統一された目的に統合する。 POESは、無視できるトークンオーバーヘッドで、全体的な平均精度(最高のベースラインよりも6.2%改善)が最も高い。
  論文  参考訳（メタデータ） (2026-04-13T11:31:04Z)
• Agreement-Constrained Probabilistic Minimum Bayes Risk Decoding [51.82883249233765]
  本稿では,知識蒸留モデルを利用してスコア行列の完成を導出する,合意制約付きPMBR復号法を提案する。 我々のAC-PMBR復号法は,行列補完の近似誤差を最大3倍に改善し,PMBR復号法と比較して高い翻訳品質を実現した。
  論文  参考訳（メタデータ） (2025-12-01T06:16:47Z)
• Reference-Free Rating of LLM Responses via Latent Information [53.463883683503106]
  本研究では,判断モデルに対して,自由テキスト応答にQuattスケールのスコアを割り当てるよう依頼する一般的な実践について検討する。 次に、内部モデル信号からスカラー評価を導出する潜在裁判官を提案し、評価する。 ペアとシングルレーティングのベンチマークの幅広いスイートの中で、潜在メソッドは標準のプロンプトにマッチするか、超えている。
  論文  参考訳（メタデータ） (2025-09-29T12:15:52Z)
• Reliable Evaluation Protocol for Low-Precision Retrieval [34.65522226937288]
  スコア変動を低減するために,より堅牢な検索評価プロトコルを提案する。 本研究は,(1)計算コストを最小に抑えるため最終採点段階を高い精度に引き上げるHPS(High-Precision Scoring),(2)予測スコア,範囲,偏差を報告するTRM(Tie-Aware Retrieval Metrics)から構成される。
  論文  参考訳（メタデータ） (2025-08-05T10:27:57Z)
• Truncating Trajectories in Monte Carlo Policy Evaluation: an Adaptive Approach [51.76826149868971]
  モンテカルロシミュレーションによる政策評価は多くのMC強化学習(RL)アルゴリズムの中核にある。 本研究では,異なる長さの軌跡を用いた回帰推定器の平均二乗誤差のサロゲートとして品質指標を提案する。 本稿では,Robust and Iterative Data Collection Strategy Optimization (RIDO) という適応アルゴリズムを提案する。
  論文  参考訳（メタデータ） (2024-10-17T11:47:56Z)
• Query Performance Prediction using Relevance Judgments Generated by Large Language Models [53.97064615557883]
  自動生成関連判定(QPP-GenRE)を用いた新しいクエリ性能予測(QPP)フレームワークを提案する。 QPP-GenREは、QPPを独立したサブタスクに分解し、ランクリスト内の各項目の関連性を所定のクエリに予測する。 我々は,オープンソースの大規模言語モデル (LLM) を用いて,科学的妥当性を確保することにより,項目の関連性を予測する。
  論文  参考訳（メタデータ） (2024-04-01T09:33:05Z)
• Noisy Correspondence Learning with Self-Reinforcing Errors Mitigation [63.180725016463974]
  クロスモーダル検索は、実際は精力的な、十分に整合した大規模データセットに依存している。 我々は、新しい雑音対応学習フレームワーク、textbfSelf-textbfReinforcing textbfErrors textbfMitigation(SREM)を導入する。
  論文  参考訳（メタデータ） (2023-12-27T09:03:43Z)

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。