論文の概要: Shared Geometry Is Not Shared Physics: A Layerwise Test of the Platonic Representation Hypothesis in Astronomy

• arxiv url: http://arxiv.org/abs/2610.04130v1
• Date: Fri, 02 Oct 2026 23:06:36 GMT
• ステータス: 情報取得中
• システム内更新日: 2026-10-06 21:15:35.414954
• Title: Shared Geometry Is Not Shared Physics: A Layerwise Test of the Platonic Representation Hypothesis in Astronomy
• Title（参考訳）: 共有幾何学は共有物理学ではない:天文学におけるプラトン表現仮説の階層的検証
• Abstract要約: 我々は、36の事前訓練されたモデルから、交叉マッチングされた光学画像、赤外線画像、スペクトルを用いて、各層の表現を分析する。 モデルサーベイ比較で分析された139例は,探索深度を考慮し,ネットワークのどこかで局所的なアライメントが顕著であった。
• 参考スコア（独自算出の注目度）: 0.19544534628180865
• License:
• Abstract: In this paper we investigate whether geometrically aligned astronomical representations are also scientifically interchangeable. We analyze every layer's representation from 36 pretrained models using cross-matched optical images, infrared images, and spectra. All 139 analyzed model-survey comparisons show significant local-neighborhood alignment somewhere in the network after accounting for the search over depth. However, alignment does not generally increase with network depth and can be stronger for the changes between consecutive computational blocks than for the block outputs themselves. We find that geometry-selected stages under-perform label-selected stages in every image-transfer comparison; moreover, every final HSC-COSMOS-Web model pair is aligned while every redshift transfer has negative R^2. Models can therefore recover a similar cross-survey geometry among astronomical objects without recovering a survey-invariant linear encoding of the physical properties tested here.
• Abstract（参考訳）: 本稿では,幾何学的に整列した天文学的表現も科学的に交換可能であるかを検討する。 我々は、36の事前訓練されたモデルから、交叉マッチングされた光学画像、赤外線画像、スペクトルを用いて、各層の表現を分析する。 モデルサーベイ比較で分析された139例は,探索深度を考慮し,ネットワークのどこかで局所的なアライメントが顕著であった。 しかし、アライメントは一般にネットワーク深度とともに増加せず、連続する計算ブロック間の変化に対してブロックの出力自体よりも強くなる可能性がある。 また,各画像移動比較において,幾何選択した段階がラベル選択された段階であり,さらに各最終HSC-COSMOS-Webモデルペアが一致し,各赤方偏移が負のR^2を持つことがわかった。 したがって、モデルは、ここでテストされた物理特性のサーベイ不変な線形符号化を回復することなく、天体間の同様のクロスサーベイ幾何を復元することができる。

関連論文リスト

• EO-VGGT: Orbital Ray-Conditioned 3D Foundation Models for Satellite Multi-View Reconstruction [14.023396396575132]
  EO-VGGT(英語版)は、凍結した遠近法駆動のモデルを、明示的な物理幾何学的埋め込みによる軌道観測に適応させるフレームワークである。 この結果から, 衛星3Dの高機能化には, 明確な物理形状と視野選択の最適化が不可欠であることが示唆された。
  論文  参考訳（メタデータ） (2026-07-01T04:19:49Z)
• Joint Geometry-Appearance Human Reconstruction in a Unified Latent Space via Bridge Diffusion [57.09673862519791]
  本稿では,幾何学と外観のモデリングを結合潜在表現に統一する新しいフレームワークである textbfJGA-LBD を紹介する。 実験により、JGA-LBDは、幾何学的忠実度と外観品質の両方の観点から、現在の最先端アプローチよりも優れていることが示された。
  論文  参考訳（メタデータ） (2026-01-01T12:48:56Z)
• Aligned Novel View Image and Geometry Synthesis via Cross-modal Attention Instillation [62.87088388345378]
  ワーピング・アンド・インペインティング手法を用いて,新しいビューイメージと幾何学生成の整合性を実現する拡散型フレームワークを提案する。 手法は、既製の幾何学予測器を利用して、参照画像から見る部分的な幾何学を予測する。 生成した画像と幾何の正確なアライメントを確保するために, クロスモーダルアテンション蒸留法を提案する。
  論文  参考訳（メタデータ） (2025-06-13T16:19:00Z)
• U-RED: Unsupervised 3D Shape Retrieval and Deformation for Partial Point Clouds [84.32525852378525]
  教師なし形状検索および変形パイプラインであるU-REDを提案する。 任意のオブジェクトの観察を入力として受け取り、通常RGBの画像やスキャンによってキャプチャされ、幾何学的に類似したCADモデルを共同で検索して変形する。 我々は,U-REDが既存の最先端アプローチを47.3%,16.7%,31.6%で上回っていることを示す。
  論文  参考訳（メタデータ） (2023-08-11T20:56:05Z)
• Explicit Correspondence Matching for Generalizable Neural Radiance Fields [66.99907718824782]
  本稿では,新たな未知のシナリオに一般化し,2つのソースビューで新規なビュー合成を行う新しいNeRF手法を提案する。 明瞭な対応マッチングは、異なるビュー上の3Dポイントの2次元投影でサンプリングされた画像特徴間のコサイン類似度と定量化される。 実験では,実験結果から得られたコサイン特徴の類似性と体積密度との間に強い相関関係が認められた。
  論文  参考訳（メタデータ） (2023-04-24T17:46:01Z)
• Geometry-biased Transformers for Novel View Synthesis [36.11342728319563]
  入力画像と関連するカメラ視点が与えられたオブジェクトの新規ビューを合成するタスクに取り組む。 我々の研究は、マルチビュー画像を(グローバル)セットラテント表現としてエンコードする最近の「幾何学自由」アプローチにインスパイアされている。 本稿では, 幾何学的帰納バイアスをセットレイト表現に基づく推論に組み込んだ「幾何学バイアス変換器」(GBT)を提案する。
  論文  参考訳（メタデータ） (2023-01-11T18:59:56Z)
• Anisotropic Multi-Scale Graph Convolutional Network for Dense Shape Correspondence [3.45989531033125]
  本稿では,コンピュータビジョンとグラフィックスにおけるキー形状解析の応用である3次元高密度形状対応について検討する。 本稿では,幾何学的に有意かつ離散化に依存しない特徴を学習するハイブリッドな幾何学的深層学習モデルを提案する。 得られた対応マップは、ベンチマークデータセット上で最先端のパフォーマンスを示す。
  論文  参考訳（メタデータ） (2022-10-17T22:40:50Z)
• The Geometry of Deep Generative Image Models and its Applications [0.0]
  generative adversarial networks (gans) は、実世界のデータセットの統計パターンをモデル化する強力な教師なし手法として登場した。 これらのネットワークは、潜在空間内のランダムな入力を学習データを表す新しいサンプルにマップするように訓練される。 潜在空間の構造は、その高い寸法性と発電機の非線形性のために内挿しが困難である。
  論文  参考訳（メタデータ） (2021-01-15T07:57:33Z)

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。