論文の概要: Local Temporal Contrasts on Human Motion Data Induce a Latent Geometry

• arxiv url: http://arxiv.org/abs/2610.21630v1
• Date: Thu, 15 Oct 2026 10:15:56 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-10-17 06:09:33.021104
• Title: Local Temporal Contrasts on Human Motion Data Induce a Latent Geometry
• Title（参考訳）: ヒトの運動データにおける局所的時間的コントラストは潜時幾何学を誘導する
• Abstract要約: 時系列はしばしば複数の時間スケールにまたがって構造をエンコードし、このシーケンスを決定する潜在状態が進化すると、この構造は下流での使用のために表現空間で生き残る必要がある。 本稿では,この幾何学的構造を予測に基づく目的に頼らずに直接復元することを提案し,時間的近傍の相対的損失を伴うエンコーダモデルを訓練する。 5段階の動作シーケンス判別タスクにおいて,SemTACを4つのベースラインに対して評価する。
• 参考スコア（独自算出の注目度）: 1.1827173849270654
• License: http://creativecommons.org/licenses/by-sa/4.0/
• Abstract: Time series such as recordings of human motion data often encode structure across multiple temporal scales, and when a latent state determining this sequence evolves, this structure needs to survive in the representation space for downstream use. Yet the currently prevalent attention-based encoders paired with sequence-level pooling have made single-vector, pointwise comparison the default mode of inference, discarding the trajectory a sequence traces through the representation space. We propose recovering this geometric structure directly, without relying on forecasting-based objectives, by training an encoder model (SemTAC) with a temporal-neighborhood contrastive loss: representations that satisfy local consistency everywhere must give rise to a coherent global structure, letting inference happen at temporal scales beyond those seen during training. We evaluate SemTAC against four baselines on a five-step motion sequence discrimination task: the same architecture trained with a classification or a standard contrastive objective, and two established self-supervised time-series methods, TS-TCC and TS2Vec. At the full sequence length all five are broadly competitive, but on incomplete, truncated sequences SemTAC holds a large advantage: a median F1 of 0.77 one step before the sequence completes, against 0.27-0.70 for the four baselines. A hyperparameter-matched ablation attributes this effect specifically to the temporal-contrastive objective. SemTAC's representation trajectories are also the only ones among these five to exhibit interpretable geometric structures, exceeding a no-structure chance baseline on a displacement-smoothness metric which we introduce. This is evidence that its objective, not classification accuracy alone, produces genuinely temporally-ordered trajectories.
• Abstract（参考訳）: 人間の動作データの記録のような時系列は、複数の時間スケールで構造を符号化することが多く、このシーケンスを決定する潜在状態が進化すると、この構造は下流での使用のために表現空間で生き残る必要がある。 しかし、現在普及しているシーケンシャルレベルプーリングと組み合わせた注目ベースのエンコーダは、シングルベクター、ポイントワイド比較をデフォルトの推論モードにし、表現空間を通してシーケンスをトレースするトラジェクトリを破棄した。 我々は,この幾何学的構造を,予測に基づく目的に頼らずに直接復元することを提案する。エンコーダモデル (SemTAC) を時間近傍のコントラスト的損失で訓練することにより,局所的な整合性を満たす表現は,訓練中に見られたもの以上の時間スケールで推論を起こさなければならない。 我々は,SemTACを5段階の動作シーケンス識別タスクの4つのベースラインに対して評価した。これは,分類や標準コントラスト目標で訓練されたのと同じアーキテクチャと,TS-TCCとTS2Vecという2つの確立された自己教師付き時系列手法である。 フルシーケンス長では5つ全てが広く競合するが、不完全で切り離されたシーケンスではSemTACは大きな優位性を持っている: シークエンスの平均F1は4つのベースラインに対して0.27-0.70である。 ハイパーパラメータ整合アブレーションは、この効果を特に時間的コントラストの目的に特化させる。 SemTACの表現軌跡もこれらの5つの中で唯一解釈可能な幾何学的構造を示しており、非構造的チャンス基準を超えている。 これは、その目的が分類精度だけではなく、真に時間的に順序付けられた軌道を生成する証拠である。

関連論文リスト

• T-JEPA: A Temporal Joint-Embedding Predictive Architecture for Learning Better Remote Sensing Representations [32.138976346875445]
  本稿では,時間ギャップ条件付き潜時遷移を学習する時間的共同埋め込み予測アーキテクチャT-JEPAを提案する。 複数の時間間隔にわたって、これらの予測的制約は観測された状態を構造化された潜在軌道に整理する。 一致した事前トレーニングデータとスループットの下で、T-JEPAは静的タスクと時間的タスクの両方で転送パフォーマンスをリードする。
  論文  参考訳（メタデータ） (2026-10-05T03:31:44Z)
• Structured Latent Space Modeling over Multi-Scale Temporal Patches for Multivariate Time Series Forecasting [13.891522069967507]
  我々はチャネルに依存しない多変量観測を構造化された潜在空間にマッピングするCNNベースの予測アーキテクチャであるM2Patchを紹介する。 M2Patchは、40の予測設定で57のベストと34のセカンドベストを達成している。
  論文  参考訳（メタデータ） (2026-07-07T19:19:14Z)
• Not All Points Are Equal: Uncertainty-Aware 4D LiDAR Scene Synthesis [63.07333625429548]
  我々は,空間不確実性を明確に活用し,LiDARシーン生成をガイドする新しいフレームワークであるU4Dを提案する。 nuScenesとSemantic KITTIの実験は、最先端のシーンの忠実さ、時間的一貫性、下流のパフォーマンスを示している。
  論文  参考訳（メタデータ） (2026-06-01T17:24:14Z)
• Hierarchical Consistency Learning for Test-time Adaptation in Camouflage Perception [50.278200968044665]
  カモフラージュされた物体検出(COD)は、物理的属性を通して背景から最小限の知覚差を示すターゲットをローカライズすることを目的としている。 既存のメソッドは、静的なTrain-then-freezeパラダイムによって制約されており、ドメインの剛性と依存性のアノテーションに悩まされている。 動的表現再構成のためのテスト時間適応を統合した階層的一貫性学習フレームワークを提案する。
  論文  参考訳（メタデータ） (2026-05-25T09:57:46Z)
• From Snapshots to Trajectories: Learning Single-Cell Gene Expression Dynamics via Conditional Flow Matching [40.46237203947526]
  単セルフローマッチング (ScFM) は結合分解フローマッチングに基づく遅延生成フレームワークである。 scFMは、時間的および時間的コヒーレントな可視化のための分布予測性能を一貫して改善する。 scFMはより正確な軌道再構成と、中間点が欠落している時間的コヒーレントな可視化をもたらす。
  論文  参考訳（メタデータ） (2026-05-21T11:26:19Z)
• Looped SSMs: Depth-Recurrence and Input Reshaping for Time Series Classification [50.994194925685434]
  パラメータが$k$のループSSMが$L$倍に反復され、標準SSMと一貫して一致し、性能が良くなることを示す。 また、入力再フォーマットは等しく無視された設計軸であることを示す。
  論文  参考訳（メタデータ） (2026-05-15T15:18:12Z)
• Forecasting as Rendering: A 2D Gaussian Splatting Framework for Time Series Forecasting [79.37674445572462]
  時系列予測(TSF)は、周期内変動と周期間トレンドの複雑な絡み合いのため、依然として困難な問題である。 形状変化テンソルを静止画像として扱うと、トポロジカルミスマッチが発生する。 均一な固定サイズの表現に依存することは、モデリング能力を非効率に割り当てる。 TimeGSは、予測パラダイムをレグレッションから2D生成レンダリングに根本的にシフトする、新しいフレームワークである。
  論文  参考訳（メタデータ） (2026-02-10T14:13:36Z)
• ICP-4D: Bridging Iterative Closest Point and LiDAR Panoptic Segmentation [44.68614934602709]
  ICP-4Dは、空間的および時間的推論をインスタンスレベルの点集合間の幾何学的関係を通して統一する訓練不要のフレームワークである。 雑音のあるインスタンス予測の下での相関を安定化するために、シンクホーンに基づくソフトマッチングを導入する。 SemanticKITTI と Panoptic nuScenes の2つの実験により,我々の手法が常に最先端の手法より優れていることを示す。
  論文  参考訳（メタデータ） (2025-12-22T03:13:08Z)
• Skeleton-Based Action Segmentation with Multi-Stage Spatial-Temporal Graph Convolutional Neural Networks [0.5156484100374059]
  最先端のアクションセグメンテーションアプローチは、時間的畳み込みの複数の段階を使用する。 多段階時空間グラフ畳み込みニューラルネットワーク(MS-GCN)を提案する。 時間的畳み込みの初期段階を空間的時間的グラフ畳み込みに置き換え、関節の空間的構成をよりよく活用する。
  論文  参考訳（メタデータ） (2022-02-03T17:42:04Z)
• Temporally-Consistent Surface Reconstruction using Metrically-Consistent Atlases [131.50372468579067]
  そこで本稿では,時間変化点雲列から時間一貫性のある面列を復元する手法を提案する。 我々は、再構成された表面をニューラルネットワークによって計算されたアトラスとして表現し、フレーム間の対応性を確立することができる。 当社のアプローチは、いくつかの挑戦的なデータセットにおいて、最先端のものよりも優れています。
  論文  参考訳（メタデータ） (2021-11-12T17:48:25Z)
• Supporting Optimal Phase Space Reconstructions Using Neural Network Architecture for Time Series Modeling [68.8204255655161]
  位相空間特性を暗黙的に学習する機構を持つ人工ニューラルネットワークを提案する。 私たちのアプローチは、ほとんどの最先端戦略と同じくらいの競争力があるか、あるいは優れているかのどちらかです。
  論文  参考訳（メタデータ） (2020-06-19T21:04:47Z)

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。