論文の概要: Anchor Divergence for Semantic Geometry in Contrastive Learning

• arxiv url: http://arxiv.org/abs/2610.06919v1
• Date: Fri, 02 Oct 2026 21:23:21 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-10-08 02:58:29.46572
• Title: Anchor Divergence for Semantic Geometry in Contrastive Learning
• Title（参考訳）: コントラスト学習における意味幾何学のアンカー多様性
• Abstract要約: 対照的な表現は自然に特定の意味構造に特化できる幾何学の族を含んでいることを示す。 この対応を利用して、固定表現上でコンテキスト固有の意味的ジオメトリを指定する手法である"Anchor Divergences"を定義する。
• 参考スコア（独自算出の注目度）: 16.02373729807098
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: This paper concerns how semantic context determines geometry in learned vector representations. Similarity is typically measured using cosine similarity, which provides a single fixed geometry. Semantic similarity, however, is inherently context dependent: two images may be similar because they depict the same object, share a visual style, or are relevant to the same clinical finding. We show that contrastive representations naturally encompass a family of geometries that can be specialized to particular semantic structure. The key idea is to use an interplay between contrastive learning, exponential families, and information geometry to establish a correspondence between probability distributions over "anchors" and Bregman geometries on the representation space. We use this correspondence to define "Anchor Divergences", a method for specifying context-specific semantic geometries on fixed representations. Under this correspondence, modeling the anchor distribution models the geometry itself. Experiments on retrieval show that anchor divergences provide an effective and efficient way to specify context-specific semantic similarity.
• Abstract（参考訳）: 本稿では,学習ベクトル表現における意味的文脈が幾何を決定するかについて述べる。 類似度は通常、単一の固定幾何を提供するコサイン類似度を用いて測定される。 2つの画像は、同じ物体を描いたり、視覚的なスタイルを共有したり、同じ臨床所見に関連があるため、類似しているかもしれない。 対照的な表現は自然に特定の意味構造に特化できる幾何学の族を含んでいることを示す。 鍵となる考え方は、対照的な学習、指数族、情報幾何学の間の相互作用を用いて、「アンカー」上の確率分布と表現空間上のブレグマン幾何学との対応を確立することである。 この対応を利用して、固定表現上でコンテキスト固有の意味的ジオメトリを指定する手法である"Anchor Divergences"を定義する。 この対応の下で、アンカー分布のモデリングは幾何学そのものをモデル化する。 検索実験により、アンカーの発散は文脈固有の意味的類似性を特定する効果的な方法であることが示された。

関連論文リスト

• Relational Compression: A Framework for Relational Fidelity in Constrained Representations [0.0]
  古典的ソース記述・再構成の意味でのリレーショナル圧縮を定式化する。 各インスタンスは、ソース関係、保持された記述、再構成または評価された関係、忠実度基準、制約されたリソースを指定する。
  論文  参考訳（メタデータ） (2026-09-25T15:02:32Z)
• MAPS: Multi-Anchor Projection Similarity for Joint Vision-Language Geo-Localization [14.254687625765547]
  マルチアンカー幾何アライメント問題として,共同画像テキストクエリを用いた視覚言語ジオローカライゼーションを定式化する。 MAPS(Multi-Anchor Projection similarity)は、この平面上の対象特徴の投影長による類似度を測定する。 提案するフレームワーク, 類似度測定, および訓練対象は, 視覚言語による地理的ローカライゼーションにおいて, 最先端の性能を両立させる。
  論文  参考訳（メタデータ） (2026-06-21T15:01:53Z)
• See More, Match Better: Multi-Source Feature Fusion for Two-View Correspondence Learning [52.52121389921707]
  2視点対応学習は、画像対における真対応(インレーシ)と偽対応(インレーシ)とを区別することを目的としている。 既存の手法は主に座標に基づく幾何の整合性に依存する。 本稿では,2視点対応学習のためのマルチソース機能融合フレームワークTriMatchを提案する。
  論文  参考訳（メタデータ） (2026-06-08T09:33:01Z)
• A visual observation on the geometry of UMAP projections of the difference vectors of antonym and synonym word pair embeddings [0.0]
  アンソニーム(英: Antonyms)または反対語(英: opposites)は、時として、同じ文脈に関係のある性質のすべてを持つ単語対として定義される。 本論文は,単語対の埋め込みベクトルの幾何学を検出するために必要なシステムの複雑さを探索するプロジェクトとして始まった。
  論文  参考訳（メタデータ） (2026-03-25T10:18:23Z)
• The Representational Geometry of Number [1.5994376682356057]
  数値表現はタスク間の安定な関係構造を保っていることを示す。 タスク固有の表現は、分離可能な線形方向に沿ってエンコードされた等級のような低レベルな特徴を持つ、異なる部分空間に埋め込まれている。 このことは、タスク固有の変換が概念表現の共通基盤関係構造に適用されたときに、理解が生じることを示唆している。
  論文  参考訳（メタデータ） (2026-02-06T16:35:22Z)
• Modality Alignment across Trees on Heterogeneous Hyperbolic Manifolds [49.95082206008502]
  ツリーを横断するアライメントは、画像とテキストのモダリティの両方に対してツリーのような階層的な特徴を構築し、調整する手法である。 本稿では,中間トランスフォーマー層からの視覚的クラストークンにクロスアテンション機構を適用した意味認識型視覚特徴抽出フレームワークを提案する。
  論文  参考訳（メタデータ） (2025-10-31T11:32:15Z)
• Zero-shot point cloud segmentation by transferring geometric primitives [68.18710039217336]
  ゼロショットポイントクラウドセマンティックセマンティックセマンティックセマンティクスについて検討し、そこではネットワークが見えないオブジェクトに対してトレーニングされ、見えないオブジェクトをセマンティクスできる。 本研究では,視覚的および視覚的カテゴリーのオブジェクトで共有される幾何学的プリミティブを学習し,言語と学習された幾何学的プリミティブとの微粒なアライメントを利用する新しいフレームワークを提案する。
  論文  参考訳（メタデータ） (2022-10-18T15:06:54Z)
• Attributable Visual Similarity Learning [90.69718495533144]
  本稿では、画像間のより正確で説明可能な類似度測定のための帰属的視覚類似度学習(AVSL)フレームワークを提案する。 人間の意味的類似性認知に動機づけられた2つの画像とグラフとの類似性を表現するために,一般化された類似性学習パラダイムを提案する。 CUB-200-2011、Cars196、Stanford Online Productsデータセットの実験は、既存の深い類似性学習方法よりも大幅に改善されたことを示している。
  論文  参考訳（メタデータ） (2022-03-28T17:35:31Z)
• Image Synthesis via Semantic Composition [74.68191130898805]
  本稿では,その意味的レイアウトに基づいて現実的なイメージを合成する新しい手法を提案する。 類似した外観を持つ物体に対して、類似した表現を共有するという仮説が立てられている。 本手法は, 空間的変化と関連表現の両方を生じる, 外観相関による領域間の依存関係を確立する。
  論文  参考訳（メタデータ） (2021-09-15T02:26:07Z)
• Instance Similarity Learning for Unsupervised Feature Representation [83.31011038813459]
  教師なし特徴表現のための例類似性学習(ISL)手法を提案する。 我々はGAN(Generative Adversarial Networks)を用いて、基礎となる特徴多様体をマイニングする。 画像分類実験は, 最先端手法と比較して, 提案手法の優位性を示した。
  論文  参考訳（メタデータ） (2021-08-05T16:42:06Z)

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。