論文の概要: ReGraph: A Computational Account of Emergent Generalization in the "what" and "where" Dual Visual Streams

• arxiv url: http://arxiv.org/abs/2610.07962v1
• Date: Tue, 06 Oct 2026 08:30:45 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-10-08 02:58:29.898841
• Title: ReGraph: A Computational Account of Emergent Generalization in the "what" and "where" Dual Visual Streams
• Title（参考訳）: ReGraph: "What" と "where" の両ビジュアルストリームにおける創発的一般化の計算的説明
• Abstract要約: 本稿では,網膜駆動型ストリーム特殊化符号化,背側-腹側変調,動的横方向接続など,生物学的誘導バイアスを伴う2重ストリームグラフモデルを開発した。 拡張背後流に沿って一意に共存した文脈不変符号と格子状空間基底の経路特異的な関係写像の出現を明らかにする。 この結果から, 一般化は, 専用領域内で突発的に現れる機能ではなく, 感覚情報としてすでに形をなしている特性を階層的視覚処理の分解ストリームに解析する, という計算結果が得られた。
• 参考スコア（独自算出の注目度）: 2.554905387213586
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Where generalization capacity--the ability to extract context-invariant relational structures--first emerges remains a central question in AI and neuroscience. The foundation for this capacity lies upstream of the hippocampus, within the entorhinal cortex, where parallel pathways dissociate relational structure in the medial entorhinal cortex (MEC) from sensory content in the lateral entorhinal cortex. However, as Eichenbaum argued, such factorization likely originates earlier, driven by the segregation of the dorsal ('where') and ventral ('what') visual streams. Supporting this, grid-like firing patterns--a signature of MEC (context-invariant codes)--also appear in preceding neocortical regions along the dorsal pathway. Yet, how such representations are computationally formed along upstream pathways remains unknown. To investigate this in silico, we developed ReGraph, a recurrent dual-stream graph model with biological inductive biases, including retina-driven stream-specialized encoding, dorsal-to-ventral modulation, and dynamic lateral connectivity. Trained on the action benchmark Something-Something V2, ReGraph revealed a pathway-specific emergence of relational mapping: context-invariant codes and grid-like spatial bases uniquely co-emerged along the extended dorsal stream. In contrast, their absence in single-stream, unmodulated variants, and standard baselines implies that these inductive biases are prerequisites for relational structures. Crucially, our post-hoc analyses demonstrated that these grid-like bases serve as reusable routing templates for information processing via lateral connectivity. Together, our findings provide a computational account that generalization may not be a faculty that emerges abruptly within a dedicated region, but a property that already takes shape as sensory information is parsed into factorized streams of hierarchical visual processing.
• Abstract（参考訳）: 一般化能力(文脈不変リレーショナル構造を抽出する能力)がAIと神経科学の中心的な問題である。 この能力の基礎は海馬の上流、海馬の海馬内にあり、平行経路は内側海馬大脳皮質(MEC)の結合構造を外側海馬大脳皮質の感覚含量から解離させる。 しかし、アイヒェンバウムが論じているように、そのような分解は、背側(「場所」)と腹側(「何」)の視覚的流れの分離によって引き起こされたと考えられる。 グリッドのような発火パターン、つまりMEC(context-invariant codes)の署名は、背側経路に沿った前新皮質領域にも現れる。 しかし、そのような表現が上流経路に沿ってどのように計算的に形成されるかは不明である。 これをシリコで調べるために、網膜駆動のストリーム特殊化符号化、背側-腹側変調、動的横方向接続を含む生物学的誘導バイアスを持つリカレントデュアルストリームグラフモデルReGraphを開発した。 アクションベンチマークであるSome-Something V2でトレーニングされたReGraphは、コンテキスト不変のコードとグリッドのような空間ベースが拡張背後ストリームに沿って一意に共存する、リレーショナルマッピングの経路固有の出現を明らかにした。 対照的に、シングルストリーム、非変調変種、および標準ベースラインにおけるそれらの欠如は、これらの帰納バイアスが関係構造の前提条件であることを示している。 重要なことは、我々のポストホック分析では、これらのグリッドのような基盤が、横方向接続による情報処理のための再利用可能なルーティングテンプレートとして機能することを示した。 この結果から, 一般化は専用領域内で突発的に現れる機能ではなく, 感覚情報としてすでに形をなしている特性を階層的視覚処理の分解ストリームに解析する,という計算結果が得られた。

関連論文リスト

• Topological Flow Matching [56.16372813551555]
  フローマッチングは強力な生成モデリングフレームワークであり、そのシンプルさと強力な経験的パフォーマンスに価値がある。 トポロジカルフローマッチング(トポロジカルフローマッチング)は,トポロジカルフローマッチングの一般化である。 脳のfMRI、海流、地震イベント、交通流など、さまざまな構造化されたデータセットに対して、その効果を実証する。
  論文  参考訳（メタデータ） (2026-06-14T16:29:33Z)
• Are Common Substructures Transferable? Riemannian Graph Foundation Model with Neural Vector Bundles [53.65187206795911]
  我々はニューラルベクトルバンドルと呼ばれるグラフ固有の幾何学学習フレームワークを開発した。 GAUGEは,ベクトルバンドルを構築し,幾何学的に整合した局所座標を平坦化する,事前学習可能なニューラルネットワークアーキテクチャである。 ゼロショットリンク予測やグラフ同型を含む課題タスクにおいて,その優れた表現性を実証的に検証する。
  論文  参考訳（メタデータ） (2026-06-02T07:35:42Z)
• Rare Events, Real Signals: Functional Ensembles as Units of Computation in Deep Spiking Networks [0.0]
  深層スパイクニューラルネットワーク(SNN)解析のための神経科学的な枠組みを導入することにより,階層的処理システム全体に内部表現がどのように現れるかを検討する。 我々は、トレーニングされたSNNアーキテクチャの前層からのニューロンとの統計的に有意なペアワイズ相関に基づいて、ニューロンの1次機能連結(1FC)グループを形成する。 生物学的大脳皮質で以前に観察された機能接続の原理がResNetアーキテクチャのスパイクに保存されていることを示す。
  論文  参考訳（メタデータ） (2026-05-21T15:44:32Z)
• Neural Feature Geometry Evolves as Discrete Ricci Flow [5.645823801022895]
  深層ニューラルネットワークは入力データ多様体の複雑な幾何学的変換を通じて特徴表現を学習する。 離散幾何学のレンズによる神経特徴幾何学について検討する。 フィードフォワードニューラルネットワークにおいて,非線形アクティベーションが特徴幾何を形成する上で重要な役割を担っていることを示す。
  論文  参考訳（メタデータ） (2025-09-26T13:57:46Z)
• Generalized Linear Mode Connectivity for Transformers [87.32299363530996]
  驚くべき現象はリニアモード接続(LMC)であり、独立に訓練されたモデルを低損失またはゼロ損失の経路で接続することができる。 以前の研究は主に置換によるニューロンの並べ替えに焦点を合わせてきたが、そのようなアプローチは範囲に限られている。 我々は、4つの対称性クラス(置換、半置換、変換、一般可逆写像)をキャプチャする統一的なフレームワークを導入する。 この一般化により、独立に訓練された視覚変換器とGPT-2モデルの間の低障壁とゼロバリア線形経路の発見が可能となった。
  論文  参考訳（メタデータ） (2025-06-28T01:46:36Z)
• Entangled Residual Mappings [59.02488598557491]
  残余接続の構造を一般化するために、絡み合った残余写像を導入する。 絡み合い残余写像は、アイデンティティスキップ接続を特別な絡み合い写像に置き換える。 絡み合った写像は、様々な深層モデルにまたがる特徴の反復的洗練を保ちながら、畳み込みネットワークにおける表現学習プロセスに影響を及ぼすことを示す。
  論文  参考訳（メタデータ） (2022-06-02T19:36:03Z)
• Graph Spectral Embedding using the Geodesic Betweeness Centrality [76.27138343125985]
  本稿では、局所的な類似性、接続性、グローバル構造を教師なしで表現するグラフSylvester Embedding (GSE)を紹介する。 GSEはシルヴェスター方程式の解を用いて、ネットワーク構造と近傍の近接を1つの表現で捉える。
  論文  参考訳（メタデータ） (2022-05-07T04:11:23Z)
• Improving Neural Predictivity in the Visual Cortex with Gated Recurrent Connections [0.0]
  我々は,腹側視覚ストリームのユビキタスな特徴である横方向のリカレント接続を考慮したアーキテクチャに焦点を移し,適応的受容場を創出することを目指している。 本研究は,我々のアプローチの堅牢性と活性化の生物学的忠実性を高めるために,特定のデータ拡張技術を用いている。
  論文  参考訳（メタデータ） (2022-03-22T17:27:22Z)
• Emergence of Lie symmetries in functional architectures learned by CNNs [63.69764116066748]
  本研究では,自然画像の学習において,畳み込みニューラルネットワーク(CNN)の初期層における対称性の自発的発達について検討する。 私たちのアーキテクチャは、生体視覚システムの初期段階を模倣するために構築されています。
  論文  参考訳（メタデータ） (2021-04-17T13:23:26Z)

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。