論文の概要: CIIR - Class-Indexed Interface Representation Learning
- arxiv url: http://arxiv.org/abs/2610.23151v1
- Date: Fri, 16 Oct 2026 08:44:05 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-10-20 00:56:07.835069
- Title: CIIR - Class-Indexed Interface Representation Learning
- Title（参考訳）: CIIR - Class-Indexed Interface Representation Learning
- Abstract要約: CIIRは、異種データセットを接続するためのモジュラーエンコーダ-デコーダフレームワークである。
我々はこのアドレス空間を手書き桁、衣服画像、音声デジタルスペクトログラム、手書き記号から学習する。
新しい訓練されたラベルなし受信機は、要求されたアドレスを94.7%のマクロ平均アドレス実現精度で復元する。
- 参考スコア（独自算出の注目度）: 2.320417845168326
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Multimodal learning commonly assumes paired or synchronized observations, yet independently collected datasets rarely provide such correspondence. We introduce CIIR, a modular encoder--decoder framework that connects heterogeneous datasets through a class-indexed address space while preserving each dataset's native input format and output module. A known local index selects address $k$, and an input-dependent 128-dimensional address representation Z_k(x) is written to that address. To demonstrate CIIR, we learn this address space from handwritten digits, clothing images, spoken-digit spectrograms, and hand signs without synchronized or instance-matched samples. Newly trained label-free receivers recover the requested addresses with 94.7% macro-average Address Realization Accuracy. We then attach the unseen SVHN dataset after freezing the base address space and train only lightweight adapters, achieving 90.2% MNIST>SVHN and 82.3% SVHN>MNIST end-to-end Address Transfer Accuracy without target-side decoder labels. To demonstrate generalizability of CIIR, we reuse the ten addresses as code elements in collision-free arithmetic and hierarchical address codes for all 100 CIFAR-100 classes and evaluate direct arithmetic-code realization through the existing receivers. These results establish CIIR as a compact interface for modular cross-dataset communication and post-hoc dataset attachment without exhaustive paired multimodal supervision.
- Abstract（参考訳）: マルチモーダル学習は通常、ペア化された観測や同期された観測を仮定するが、独立して収集されたデータセットはそのような対応を提供することは滅多にない。
このフレームワークは、各データセットのネイティブ入力フォーマットと出力モジュールを保存しながら、クラスインデックスされたアドレス空間を介して異種データセットを接続する。
既知のローカルインデックスがアドレス$k$を選択し、そのアドレスに入力依存の128次元アドレス表現Z_k(x)が書き込まれる。
CIIRを実証するために、手書き桁、衣服画像、音声デジタルスペクトログラム、手書き記号から、同期やインスタンスマッチングのサンプルを使わずに、このアドレス空間を学習する。
新しい訓練されたラベルなし受信機は、要求されたアドレスを94.7%のマクロ平均アドレス実現精度で復元する。
次に、ベースアドレス空間を凍結した後、未確認のSVHNデータセットを添付し、90.2%のMNIST>SVHNと82.3%のSVHN>MNISTをターゲット側デコーダラベルなしでトレーニングする。
CIIRの一般化性を示すため,100のCIFAR-100クラスすべてに対して,衝突のない算術および階層的アドレス符号のコード要素として10個のアドレスを再利用し,既存の受信機による直接算術符号の実現を評価する。
これらの結果から,CIIRは,汎用マルチモーダル監視を伴わずに,モジュール間通信とポストホックデータセットアタッチメントのためのコンパクトインターフェースとして確立された。
関連論文リスト
- TRIM-ReID: Duplication-Aware Token Reduction and Modality-Aligned Interaction for Multi-Modal Object Re-Identification [4.97861272092888]
マルチモーダルオブジェクト再同定は、補完的なRGB、近赤外(NIR)、熱赤外(TIR)観測を利用して対象オブジェクトを検索する。
既存の手法では、グローバルな画像テキストアライメントに最適化されたビジュアルエンコーダと、学習された重要度スコアを用いたトークンを選択するのが一般的である。
本稿では,高密度特徴抽出,モダル内トークン低減,モーダル間相互作用を統一するコンパクトなフレームワークを提案する。
論文 参考訳（メタデータ） (2026-10-03T07:58:23Z) - Weave of Formal Thought [51.56484100374058]
WoFT(Weave of Formal Thought)は、厳密な構文的検証と学習された構造的表現を結合したパラダイムである。
本稿では,非終端文法記号を直接生成にインターリーブするために,言語モデルを訓練する潜時可変微調整法を提案する。
Pythonでは、RWS目的のStarCoder2-3Bを微調整することで、テキストのみのSFTベースラインと比較して、トーケン毎のクロスエントロピーが14.3%削減される。
論文 参考訳（メタデータ） (2026-06-24T15:58:11Z) - EEVEE: Towards Test-time Prompt Learning in the Real World for Self-Improving Agents [64.96332056338923]
EEVEEは、LLMエージェントのための最初のマルチデータセットテスト時プロンプト学習フレームワークである。
実世界のタスクストリーム下でテスト時のプロンプト学習を可能にする。
EEVEEはQwen3-4B-InstructとDeepSeek-V3.2で平均マルチベンチマークスコアを10.38点、24.32点改善している。
論文 参考訳（メタデータ） (2026-06-09T17:57:16Z) - Learning Transferable Sensor Models via Language-Informed Pretraining [4.764303199378882]
textbfSLIPは、さまざまなセンサー設定にまたがって一般化される言語対応表現を学習するためのオープンソースのフレームワークである。
SLIPはセンサ条件のキャプションとコントラストアライメントを統合し、識別的理解と生成的推論の両方を容易にする。
11データセットにわたって、SLIPはゼロショット転送、信号キャプション、質問応答において優れた性能を示す。
論文 参考訳（メタデータ） (2026-03-12T13:59:13Z) - Exploring Efficient Open-Vocabulary Segmentation in the Remote Sensing [55.291219073365546]
Open-Vocabulary Remote Sensing Image (OVRSIS)は、OVS(Open-Vocabulary)をリモートセンシング(RS)ドメインに適応させる新しいタスクである。
textbfRSKT-Segは、リモートセンシングに適した新しいオープン語彙セグメンテーションフレームワークである。
RSKT-Segは高いOVSベースラインを+3.8 mIoUと+5.9 mACCで上回り、効率的なアグリゲーションによって2倍高速な推論を実現している。
論文 参考訳（メタデータ） (2025-09-15T15:24:49Z) - Developing Lightweight DNN Models With Limited Data For Real-Time Sign Language Recognition [0.0]
限られたデータに基づいて訓練された軽量DNNを用いて,リアルタイム手話認識のための新しいフレームワークを提案する。
本システムは,データ不足,高い計算コスト,トレーニング環境と推論環境のフレームレートの相違など,手話認識における重要な課題に対処する。
論文 参考訳（メタデータ） (2025-06-30T20:34:54Z) - AddrLLM: Address Rewriting via Large Language Model on Nationwide Logistics Data [15.64626282181379]
本稿では,検索拡張大言語モデル上に構築されたアドレス書き換えのための革新的なフレームワークであるAddrLLMを紹介する。
これは、厳密に設計されたSupervised Fine-Tuningモジュール、アドレス中心のRetrieval Augmented Generationモジュール、バイアスフリーのObjective Alignmentモジュールによって、上記の制限を克服する。
パーセルの再ローティングの速度を約43%削減し、現実の応用では例外的な効果を誇示している。
論文 参考訳（メタデータ） (2024-11-17T07:32:46Z) - LOCR: Location-Guided Transformer for Optical Character Recognition [55.195165959662795]
自動回帰中にトランスフォーマーアーキテクチャに位置案内を組み込むモデルであるLOCRを提案する。
125Kの学術文書ページから777万以上のテキスト配置ペアからなるデータセット上でモデルをトレーニングする。
これは、編集距離、BLEU、METEOR、F測定によって測定されたarXivから構築されたテストセットの既存のメソッドよりも優れています。
論文 参考訳（メタデータ） (2024-03-04T15:34:12Z) - Semantic-Native Communication: A Simplicial Complex Perspective [50.099494681671224]
トポロジカル空間の観点から意味コミュニケーションを研究する。
送信機はまずデータを$k$の単純複素数にマッピングし、その高次相関を学習する。
受信機は構造を復号し、行方不明または歪んだデータを推測する。
論文 参考訳（メタデータ） (2022-10-30T22:33:44Z) - Towards an IMU-based Pen Online Handwriting Recognizer [2.6707647984082357]
慣性測定単位(IMU)に基づく音声認識のためのオンライン手書き認識システムを提案する。
これは、加速度、角速度、およびBluetooth経由で流れる磁力を提供するセンサー付きペンによって得られる。
本モデルは畳み込み型LSTMネットワークと双方向型LSTMネットワークを組み合わせることで,コネクショナリストの時間的分類損失をトレーニングする。
論文 参考訳（メタデータ） (2021-05-26T09:47:19Z) - Rethinking Text Line Recognition Models [57.47147190119394]
2つのデコーダファミリー(コネクショニスト時間分類と変換器)と3つのエンコーダモジュール(双方向LSTM、自己認識、GRCL)を考える。
広く使用されているシーンと手書きテキストの公開データセットの精度とパフォーマンスを比較します。
より一般的なTransformerベースのモデルとは異なり、このアーキテクチャは任意の長さの入力を処理できる。
論文 参考訳（メタデータ） (2021-04-15T21:43:13Z)
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。