論文の概要: The Hidden Perception Constraint in Task-Aware Compression

• arxiv url: http://arxiv.org/abs/2609.35684v1
• Date: Mon, 28 Sep 2026 17:33:02 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-10-01 19:45:39.363259
• Title: The Hidden Perception Constraint in Task-Aware Compression
• Title（参考訳）: タスク認識圧縮における隠れた知覚制約
• Abstract要約: 知覚的制約により、再構成の分布がソースの分布から著しく逸脱しないことが保証される。 本研究では,タスク認識圧縮に自然に存在するいくつかの知覚制約を明らかにする。
• 参考スコア（独自算出の注目度）: 47.59707072736396
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: With the recent advancements of neural compressors, explicitly incorporating perception constraints into the design of compression schemes has gained significant attention. Traditionally, these perception constraints ensure that the distribution of the reconstruction does not significantly deviate from the distribution of the source, thus attesting to the perceptual quality of the reconstruction. In this work, we uncover several perception constraints that are naturally present in task-aware compression. In particular, we consider a problem where the primary task is reconstruction and the secondary task is classification (i.e., a statistical test). We study this problem at varying levels of domain information available to us and discuss how to utilize the naturally emerging perception constraints to design rate-minimal compression schemes that also maximize the utility of our secondary task. We show that in this setting, if the decision boundaries of the classifier are ill-defined (mismatch) for our source distribution, then matching onto a target distribution enhances our classification accuracy.
• Abstract（参考訳）: 近年のニューラル圧縮機の進歩により、圧縮スキームの設計に知覚制約を明示的に組み込むことが注目されている。 伝統的に、これらの知覚的制約は、再構成の分布がソースの分布から著しく逸脱しないことを保証するため、再構築の知覚的品質が証明される。 本研究では,タスク認識圧縮に自然に存在するいくつかの知覚制約を明らかにする。 特に、第一のタスクが再構成であり、第二のタスクが分類(統計検査)である問題を考える。 本稿では,本課題をドメイン情報の種類によって検討し,自然に出現する知覚制約を,二次課題の有用性を最大化するための設計速度最小圧縮スキームに活用する方法について議論する。 この設定では、分類器の判定境界がソース分布に対して不定義(ミスマッチ)である場合、ターゲット分布へのマッチングにより分類精度が向上することを示す。

関連論文リスト

• Importance-Aware OBS Pruning for Diffusion Models [17.76206870113221]
  拡散モデルに対する重要度を考慮したプルーニングを提案する。 条件付け信号やモデルアテンションから導かれる空間的重要度マップをプルーニング対象に組み込む。
  論文  参考訳（メタデータ） (2026-07-22T11:42:42Z)
• An Information-Theoretic Regularizer for Lossy Neural Image Compression [20.939331919455935]
  ロスシー画像圧縮ネットワークは、特定の歪み制約に固執しながら、画像の潜伏エントロピーを最小限にすることを目的としている。 本稿では、負条件源エントロピーをトレーニング対象に組み込むことにより、ニューラル画像圧縮タスクの新たな構造正規化手法を提案する。
  論文  参考訳（メタデータ） (2024-11-23T05:19:27Z)
• Semantic Ensemble Loss and Latent Refinement for High-Fidelity Neural Image Compression [58.618625678054826]
  本研究は、最適な視覚的忠実度のために設計された強化されたニューラル圧縮手法を提案する。 我々は,洗練されたセマンティック・アンサンブル・ロス,シャルボニエ・ロス,知覚的損失,スタイル・ロス,非バイナリ・ディバイザ・ロスを組み込んだモデルを構築した。 実験により,本手法は神経画像圧縮の統計的忠実度を著しく向上させることが示された。
  論文  参考訳（メタデータ） (2024-01-25T08:11:27Z)
• Compressed Regression over Adaptive Networks [58.79251288443156]
  分散エージェントのネットワークによって達成可能な性能を導出し,通信制約や回帰問題を解消し,適応的に解決する。 エージェントによって最適化に必要なパラメータをオンラインで学習できる最適化アロケーション戦略を考案する。
  論文  参考訳（メタデータ） (2023-04-07T13:41:08Z)
• Toward Certified Robustness Against Real-World Distribution Shifts [65.66374339500025]
  我々は、データから摂動を学ぶために生成モデルを訓練し、学習したモデルの出力に関して仕様を定義する。 この設定から生じるユニークな挑戦は、既存の検証者がシグモイドの活性化を厳密に近似できないことである。 本稿では,古典的な反例誘導的抽象的洗練の概念を活用するシグモイドアクティベーションを扱うための一般的なメタアルゴリズムを提案する。
  論文  参考訳（メタデータ） (2022-06-08T04:09:13Z)
• Attribution Preservation in Network Compression for Reliable Network Interpretation [81.84564694303397]
  安全に敏感なアプリケーションに埋め込まれたニューラルネットワークは、エッジ計算のサイズを減らすために、後向きの分析とネットワーク圧縮に入力属性に依存する。 ネットワーク圧縮が生成した属性を変形させるため,これらの非関係な手法が相互に競合することを示す。 この現象は、従来のネットワーク圧縮手法が、属性の品質を無視しながら、ネットワークの予測のみを保存するという事実から生じる。
  論文  参考訳（メタデータ） (2020-10-28T16:02:31Z)

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。