論文の概要: Semantic Latent Alignment for Flow Matching with Invertible Bi-Lipschitz Adapters

• arxiv url: http://arxiv.org/abs/2610.21332v1
• Date: Thu, 15 Oct 2026 06:19:41 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-10-16 19:13:16.215271
• Title: Semantic Latent Alignment for Flow Matching with Invertible Bi-Lipschitz Adapters
• Title（参考訳）: 非可逆Bi-Lipschitzアダプタを用いた流れマッチングのための意味的潜在アライメント
• Abstract要約: 可逆性は事前訓練されたオートエンコーダとの整合性を保ち、ビ・リプシッツの制約は、その潜在幾何を歪められるかを制限する。 2つの医用画像データセットにおいて、制約付き潜伏適応は、下流の分類において競争力を維持しながら、特徴量、種子の安定性、反実的な編集強度を改善している。 提案手法は,時間的制約のあるポストホック適応が,生成訓練中に表現を共同修正するためのパラメータ効率,チューニング自由な代替手段となることを示唆する。
• 参考スコア（独自算出の注目度）: 9.615560584995528
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Pretrained latent spaces trade compression, reconstruction, and the learnability of the coordinates a downstream generator has to work in, which complicates adapting these spaces to different domains or tasks: continued training is expensive, and without a new alignment objective it often fails to improve downstream generation. We instead leave the encoder and decoder fixed and change only the coordinates between them, using an invertible bi-Lipschitz adapter aligned offline to a semantic teacher and frozen during class-conditional flow matching. Invertibility preserves compatibility with the pretrained autoencoder, while the bi-Lipschitz constraint limits how far alignment can distort its latent geometry. This provides a simple way to improve semantic organization while retaining the compression and reconstruction properties of the original latent space. On two medical imaging datasets, constrained latent adaptation improves feature metrics, seed stability and counterfactual edit strength, while remaining competitive on downstream classification. In contrast, unconstrained adaptation can become highly anisotropic and sensitive despite remaining invertible, highlighting the importance of controlling geometric distortion. Our results suggest that carefully constrained post-hoc adaptation offers a parameter-efficient and tuning-free alternative to jointly modifying the representation during generative training.
• Abstract（参考訳）: 事前訓練された遅延空間の圧縮、再構成、ダウンストリームジェネレータの学習性は、これらの空間を異なる領域やタスクに適応させるのを複雑にしなくてはならない。 代わりに、エンコーダとデコーダを固定し、それらの間の座標だけを変更し、セマンティックな教師にオフラインでアライメントされた非可逆なバイリプシッツアダプタを使用して、クラス条件のフローマッチング中に凍結する。 可逆性は事前訓練されたオートエンコーダとの整合性を保ち、ビ・リプシッツの制約は、その潜在幾何を歪められるかを制限する。 これにより、オリジナルの潜在空間の圧縮と再構成特性を維持しながら、セマンティックな構造を改善する簡単な方法が提供される。 2つの医用画像データセットにおいて、制約付き潜伏適応は、下流の分類において競争力を維持しながら、特徴量、種子の安定性、反実的な編集強度を改善している。 対照的に、制約のない適応は、可逆性を維持しながら非常に異方性と感度が高くなり、幾何学的歪みを制御することの重要性を強調している。 本研究は, 時間的制約のあるポストホック適応が, 生成訓練中に表現を共同修正する際のパラメータ効率, チューニング不要な代替手段となることを示唆する。

関連論文リスト

• Balancing Emotional Alignment and Semantic Consistency in Image Generation via Reinforcement Learning with Valence-Arousal Anchoring [55.57242007016976]
  テキスト・ツー・イメージ生成における継続的な感情制御は、プロンプトによって記述されたオブジェクトやレイアウト、シーンを変更することなく、感情的アライメントを改善するモデルを必要とする。 既存の教師付き感情注入法は、しばしば特徴空間プロキシを最適化し、したがって感情のセマンティックドリフトを示す。 本稿では,連続的原子価覚醒条件設定,グループ相対ポリシー最適化,中立的セマンティックアンカーを組み合わせたフローマッチング画像生成フレームワークを用いてこの問題に対処する。
  論文  参考訳（メタデータ） (2026-09-11T13:24:35Z)
• SemRF: A Semantic Reference Frame for Residual-Stream Dynamics in Language Models [22.84428628659889]
  SemRFは、残留力学から意味的計測を分離するアンカーベースの形式主義である。 SemRFはアンカーを修正し、それらに対して状態を測定する。 フレームを固定すると、残差計算は深い意味軌道となる。
  論文  参考訳（メタデータ） (2026-06-30T17:52:22Z)
• Shift-Dependent Asymmetry: Orthogonal Inverse Low-Rank Adaptation for Federated Medical Segmentation [60.41721951405564]
  Low-Rank Adaptation (LoRA)は、医療画像のためのセグメンテーション基盤モデルの効率的なフェデレーション微調整を可能にする。 ほとんどの連合LoRA法は、医学的セグメンテーションにおいてエンコーダ-デコーダ非対称性の下で破れる一様アグリゲーション規則を採用している。 このミスマッチの絡み合いは、サイト固有のバイアスと解剖を共有し、一般化を損なう。 本稿では,効率的な更新空間における共有局所コリニアリティを罰する部分空間直交正規化器を提案する。
  論文  参考訳（メタデータ） (2026-06-07T15:39:28Z)
• SpectraFlow: Unifying Structural Pretraining and Frequency Adaptation for Medical Image Segmentation [3.182068203318624]
  近年の自己監督型プレトレーニングでは伝達性が改善されているが、テクスチャバイアスがしばしば現れる。 本稿では,構造認識型エンコーダの事前学習と境界指向デコーディングを併用する2段階のフレームワークを提案する。 ISIC-2016、Kvasir-SEG、GlaSの実験は最先端の手法よりも一貫した利得を示している。
  論文  参考訳（メタデータ） (2026-05-14T08:37:10Z)
• AHPA: Adaptive Hierarchical Prior Alignment for Diffusion Transformers [24.937985157569823]
  我々は,信号と雑音の比に応じて,表現監督の有用な粒度が体系的に変化するため,このような時間ステップに依存しないアライメントが最適であると主張する。 ハイノイズでは拡散モデルはより粗い意味とレイアウトレベルのアンカーの恩恵を受けるが、低ノイズでは、トレーニング信号は空間的詳細で構造的に忠実な洗練を強調するべきである。 この非定常アライメント動作は、静的なシングルレベルスーパーバイザーに対する表現ミスマッチを生成する。
  論文  参考訳（メタデータ） (2026-05-05T03:07:29Z)
• Uncertainty-Guided Selective Adaptation Enables Cross-Platform Predictive Fluorescence Microscopy [65.15943255667733]
  自動深度選択機能付きサブネットワーク画像翻訳ADDA(SIT-ADDA-Auto)について紹介する。 より深い層を凍結しながら、最も初期の畳み込み層のみを適応させることで、信頼できる転送が得られることを示す。 この結果から,マイクロスコープにおけるラベルなし適応の設計規則とフィールド設定のレシピが提供され,コードが公開されている。
  論文  参考訳（メタデータ） (2025-11-15T03:01:05Z)
• SeqPE: Transformer with Sequential Position Encoding [76.22159277300891]
  SeqPEは、各$n$次元位置指数をシンボルシーケンスとして表現し、軽量なシーケンシャル位置エンコーダを用いて埋め込みを学習する。 言語モデリング、長文質問応答、および2次元画像分類による実験により、SeqPEはパープレキシティ、正確なマッチング(EM)、精度の強いベースラインを超えるだけでなく、手作業によるアーキテクチャ再設計を必要とせず、多次元入力へのシームレスな一般化を可能にする。
  論文  参考訳（メタデータ） (2025-06-16T09:16:40Z)
• GAMA++: Disentangled Geometric Alignment with Adaptive Contrastive Perturbation for Reliable Domain Transfer [0.0]
  GAMA++ は (i) ラベルに一貫性のある多様体方向をニュアンス因子から分離するための潜在空間歪みを導入し、 (ii) クラス固有の多様体曲率とアライメントの差分を、オン・アンド・オフ・マニフォールド探索の両方を調整する適応的コントラスト摂動戦略を導入する新しいフレームワークである。 本手法は,標準設定と数ショット設定の両方でDomainNet,Office-Home,VisDAベンチマークの最先端結果を実現し,クラスレベルのアライメント忠実度とバウンダリロバスト性に顕著な改善を加えた。
  論文  参考訳（メタデータ） (2025-05-21T08:16:35Z)
• Towards Continual Learning Desiderata via HSIC-Bottleneck Orthogonalization and Equiangular Embedding [55.107555305760954]
  本稿では,レイヤワイドパラメータのオーバーライトや決定境界の歪みに起因する,概念的にシンプルで効果的な手法を提案する。 提案手法は,ゼロの指数バッファと1.02倍の差が絶対的に優れていても,競争精度が向上する。
  論文  参考訳（メタデータ） (2024-01-17T09:01:29Z)

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。