論文の概要: SPECTRA-VLA: Base-Fine Hyperspectral Token Transfer at Frozen Vision-Language-Action Interfaces

• arxiv url: http://arxiv.org/abs/2610.19651v1
• Date: Wed, 14 Oct 2026 06:17:59 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-10-15 21:06:15.991559
• Title: SPECTRA-VLA: Base-Fine Hyperspectral Token Transfer at Frozen Vision-Language-Action Interfaces
• Title（参考訳）: SPECTRA-VLA: 凍結型視線・視線・視線・視線・視線・視線・視線・視線・視線・視線・視線・視線・視線・視線・視線・視線・視線・視線・視線・視線・視線・視線・視線・視線・視線・視線・視線・視線・視線
• Abstract要約: SPECTRA-VLAは、ビジュアルエンコーダやアクションデコーダを再トレーニングすることなく、ネイティブ言語によるスペクトルアップグレードを提供する。 学習された連続残差は、自身の正規化された偽色参照を通じて、それぞれのターゲットトークンを豊かにする。 同一残差とスケールにより、自己トークンの追加により、冷凍復号器の外部カテゴリ由来プローブの再利用が向上する。
• 参考スコア（独自算出の注目度）: 10.033340735277916
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Hyperspectral imaging distinguishes RGB-similar objects, but a pretrained vision-language-action model needs a state its frozen decoder can use. SPECTRA-VLA provides a native-width spectral upgrade without retraining the visual encoder or action decoder. A learned continuous residual enriches each target token through its own normalized false-color reference; projection, norm control and validation-calibrated injection regulate the change. Across 86 held-out acquisitions, category balanced accuracy rises from 0.812 to 0.883. With identical residuals and scale, own-token addition improves reuse of an external category-derived probe on frozen decoder logits: 0.701 versus 0.590 with pooled replacement, at similar image-disjoint recognition. Five grouped tests covering the same 86 acquisitions recover within-category spectral shape with $R^2=0.802/0.337$ from continuous and posterior-code states. Category-matched spectral swaps further show that own-token composition approximately doubles the target-specific recovery increment after frozen decoding. Spectral enrichment and receiving-token preservation thus work together at the pretrained interface.
• Abstract（参考訳）: ハイパースペクトルイメージングはRGB類似のオブジェクトを区別するが、事前訓練された視覚-言語-アクションモデルでは、その凍結デコーダが使用できる状態を必要とする。 SPECTRA-VLAは、ビジュアルエンコーダやアクションデコーダを再トレーニングすることなく、ネイティブ幅のスペクトルアップグレードを提供する。 学習された連続残差は、自身の正規化された偽色参照を通じて各ターゲットトークンを豊かにし、投影、ノルム制御、バリデーション校正された注入が変更を規制する。 86回の買収で、カテゴリーバランスの精度は0.812から0.883に上昇した。 同一の残差とスケールにより、自己トークンの追加により、凍ったデコーダのログに対する外部カテゴリ由来プローブの再利用が改善される: 0.701 対 0.590 対 プール置換(英語版)で、同様の画像の不整合認識を行う。 同じ86の取得をカバーする5つのグループテストは、連続および後符号状態からR^2=0.802/0.337$でカテゴリ内のスペクトル形状を回復する。 カテゴリー整合スペクトルスワップは、凍結復号後の目標固有回復量の約2倍になることを示す。 したがって、スペクトルの富化と受信トークン保存は、予め訓練されたインターフェースで協調して機能する。

関連論文リスト

• CÆNL: Collapse-Based Active Neural Learning with Objective-Aligned Representation Control [2.28438857884398]
  アクティブラーニングは、後続のラベルを取得するために使われる表現を変更する。 我々は、この相互作用をCNL(Collapse-Based Active Neural Learning)を通して研究し、獲得、動的崩壊規則化(Dynamic Collapse Regularization、DCR)とその係数ポリシーを分離する。 6シードの分類比較は2つのバックボーンのそれぞれに対して、別個の制御選択と10シードの評価による104ランの試験によって補完される。
  論文  参考訳（メタデータ） (2026-10-13T00:12:58Z)
• Augmenting Visual Anomaly Detection with Automated Interpretability [3.83610149911488]
  視覚異常検出装置は、既知の正常なデータからの偏差を識別するが、その異常信号は実際の異常の証拠と良質な視覚的変動を混合する可能性がある。 本稿では,この信号の異なる成分を識別・介入することにより,視覚異常検出装置を拡張できるかどうかを考察する。
  論文  参考訳（メタデータ） (2026-09-27T18:13:59Z)
• SC-Diff: Semantically Calibrated Diffusion for Visible-to-Infrared Image Translation [52.62632888060867]
  可視赤外画像変換は、豊富な可視画像を用いて赤外線トレーニングデータを拡張するための実用的な方法を提供する。 既存の拡散に基づくメソッドは、通常、外部条件としてのみセマンティックプリエントを使用する。 SC-Diffは、条件付きガイダンスと内部自己注意校正の両方にセマンティックな事前情報を利用する意味論的潜伏拡散フレームワークである。
  論文  参考訳（メタデータ） (2026-08-09T07:57:40Z)
• Support Operation Factorization: Compositional Readout of Frozen Vision Encoders under Controlled Interventions [87.95757610455173]
  我々は、x演算グリッドとSO-OPFをサポートするために、インジェクティブに整合した残余セルアウトプロトコルを導入する。 グリッドが分かっているときにキャリアがホールドアウトバインディングを構成するかどうか、フラットなセルラベルからグリッドを回収できるかどうかという2つの質問を分離する。
  論文  参考訳（メタデータ） (2026-08-06T15:38:55Z)
• Amplifying, Not Learning: Fine-Tuned AI Text Detectors Amplify a Pretrained Direction [51.56484100374058]
  テキスト検出器は、事前訓練された典型軸を増幅する。 タスク監督前の生エンコーダでは、3つのアーキテクチャでNYT-vs-HC3 AUROC 0.806/0.944/0.834を達成する。 RoBERTaベースでは、生のプロジェクションは微調整を超えるが、RoBERTaベースでは、フル微調整は、試験された流線型人口の双方で生よりも識別を小さくする。
  論文  参考訳（メタデータ） (2026-05-20T19:08:38Z)
• Symbolic Augmentation Closes a Canonical-Equivalence Blind Spot in Neural Fact-Checkers [1.7844382164707184]
  我々は,5種類の型付き誤り分類と1500石のベンチマークを導入する。 このベンチマークで微調整されたModernBERTエンコーダはマクロF1 = 0.899に達する。 本稿では,ラベル保存型強化トレーニングデータを生成するために,シンボル検証器のモジュールを逆向きに動作させる訓練時フレームワークであるSybolic Augmentationを提案する。
  論文  参考訳（メタデータ） (2026-05-19T15:58:00Z)
• BEACON: Behavioral Entropy Aggregation for Cross-Model Hallucination Detection in Large Language Models [0.0]
  モデル出力で純粋に動作するブラックボックス幻覚検出フレームワークBEACONを提案する。 7つのベンチマークでラベル付き7,617の例でトレーニングされた勾配ブースト分類器は0.8123 +/- 0.0102 AUROCを達成する。 効率的な 5-call バリアントは 0.7795 AUROC を達成し、ブラックボックスの LLM API をまたいで実用的なデプロイを可能にする。
  論文  参考訳（メタデータ） (2026-04-20T10:32:48Z)
• A High-Accuracy Optical Music Recognition Method Based on Bottleneck Residual Convolutions [0.036971941442545786]
  光音楽認識は、印刷または手書きの楽譜画像を編集可能な記号表現に変換することを目的としている。 本稿では、残差ボトルネック畳み込みと双方向ゲート再帰ユニット(BiGRU)に基づくシーケンスモデリングを組み合わせたエンドツーエンドのOMRフレームワークを提案する。 Camera-PrIMuSとPrIMuSデータセットの実験結果から,提案フレームワークの有効性が示された。
  論文  参考訳（メタデータ） (2026-04-07T14:32:16Z)
• CaTok: Taming Mean Flows for One-Dimensional Causal Image Tokenization [122.88484422855934]
  本稿では,MeanFlowデコーダを備えた1次元因果画像トークンであるCaTokを紹介する。 時間間隔でトークンを選択することで、CaTokは高速なワンステップ生成と高忠実なマルチステップサンプリングの両方をサポートする因果1D表現を学ぶ。 実験により、CaTokはImageNet再構成の最先端の結果を達成し、0.75 FID、22.53 PSNR、0.674 SSIMに達した。
  論文  参考訳（メタデータ） (2026-03-06T16:39:17Z)
• SSDD: Single-Step Diffusion Decoder for Efficient Image Tokenization [56.12853087022071]
  スケーリングとトレーニングの安定性を向上させるために,新しい画素拡散デコーダアーキテクチャを導入する。 蒸留を用いて, 拡散復号器の性能を効率よく再現する。 これによりSSDDは、敵の損失なしに訓練された単一ステップ再構成に最適化された最初の拡散デコーダとなる。
  論文  参考訳（メタデータ） (2025-10-06T15:57:31Z)
• REAR: Rethinking Visual Autoregressive Models via Generator-Tokenizer Consistency Regularization [130.46612643194973]
  reARはトークン単位の正規化目標を導入する単純なトレーニング戦略です。 ImageNetでは、gFIDを3.02から1.86に削減し、標準化ベースのトークンーザを使用してISを316.9に改善している。 高度なトークン化器に適用すると、177Mパラメータしか持たない1.42のgFIDが達成され、その性能はより大きな最先端拡散モデル(675M)と一致する。
  論文  参考訳（メタデータ） (2025-10-06T02:48:13Z)

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。