論文の概要: Compositionality with Primitives: A Unified View from Euclidean to Hyperbolic Vision-Language Models

• arxiv url: http://arxiv.org/abs/2610.29811v1
• Date: Wed, 21 Oct 2026 14:34:51 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-10-23 00:40:06.382914
• Title: Compositionality with Primitives: A Unified View from Euclidean to Hyperbolic Vision-Language Models
• Title（参考訳）: 原始人との構成性:ユークリッドから双曲型視覚言語モデルへの統一的視点
• Abstract要約: 合成ゼロショット学習は、以前に観察された対象と属性の新たな組み合わせを認識することを目的としている。 分解されたプリミティブを直接使用すれば、未知の合成を認識するのに十分であることを示す。 モデル全体では、構成構造はプリミティブ表現として一貫して現れることを示す。
• 参考スコア（独自算出の注目度）: 28.86571292644557
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Compositional zero-shot learning (CZSL) aims to recognize novel combinations of previously observed objects and attributes. Prior work showed that large-scale vision-language models encode decomposable semantic structures that can be recomposed to enable generalization. The Geodesically Decomposable Embeddings (GDE) framework formalizes this by identifying directions in the tangent space at the Frechet mean of the embedding distribution, which encode primitive visual concepts. Unseen attribute-object compositions can be synthesized through vector addition of these primitives. We revisit the assumption that compositional generalization requires explicit attribute-object pair re-composition. By means of new compositional scoring functions and extensive evaluations, we show that directly using the decomposed primitives suffices for recognizing unseen compositions. In that, we gain insights on how the geometry of the embedding manifold (Euclidean, spherical, or hyperbolic) and dataset structure affect compositional reasoning. Across models (CLIP, DINOv2, MERU, HyCoCLIP), we show that compositional structure consistently emerges as primitive representations, enabling inference on CZSL benchmarks (MIT-States, VAW-CZSL, UT-Zappos50K, Clothing16K) and group robustness on Waterbirds and CelebA. Code: https://github.com/nis-research/Compositionality-with-Primitives.
• Abstract（参考訳）: 合成ゼロショット学習(CZSL)は、以前に観察された対象と属性の新たな組み合わせを認識することを目的としている。 以前の研究で、大規模視覚言語モデルは、一般化を可能にするために分解可能な意味構造をエンコードすることを示した。 Geodesically Decomposable Embeddings (GDE) フレームワークは、原始的な視覚概念をエンコードする埋め込み分布のフレシェ平均における接空間における方向を特定することによって、これを形式化する。 未知の属性オブジェクト合成は、これらのプリミティブのベクトル付加によって合成することができる。 構成一般化には明示的な属性オブジェクト対再合成が必要であるという仮定を再考する。 新たな合成スコアリング機能と広範囲な評価により,分解されたプリミティブを直接使用して未知の合成を認識できることが示される。 そこで,埋め込み多様体(ユークリッド,球状,双曲型)とデータセット構造が構成的推論にどのように影響するかを考察する。 CZSLベンチマーク(MIT-States, VAW-CZSL, UT-Zappos50K, Clothing16K)とWaterbirdsおよびCelebAにおけるグループロバスト性を推定し, 構成構造が一貫したプリミティブ表現として現れることを示す。 コード:https://github.com/nis-research/Compositionality-with-Primitives。

関連論文リスト

• Structure-aware Prompt Adaptation from Seen to Unseen for Open-Vocabulary Compositional Zero-Shot Learning [86.58227205147546]
  合成ゼロショット学習(OV-CZSL)の目的は、オープン語彙設定において反復対象の合成を認識することである。 本研究では,SPA(Structure-Aware Prompt Adaptation)法を提案する。
  論文  参考訳（メタデータ） (2026-03-04T07:54:28Z)
• EVA: Mixture-of-Experts Semantic Variant Alignment for Compositional Zero-Shot Learning [31.95599022275838]
  合成ゼロショット学習(CZSL)のための混在型セマンティック・バリアントアライメント・フレームワークであるEVAを提案する。 具体的には、複数のエキスパートを活用してトークン認識学習を実現し、高品質なプリミティブ表現をモデル化するドメインエキスパート適応を導入する。 本手法は, クローズド・オープン・ワールド・セッティングの3つのベンチマークにおいて, 最先端のCZSL法よりも優れていた。
  論文  参考訳（メタデータ） (2025-06-26T04:00:55Z)
• Graph-guided Cross-composition Feature Disentanglement for Compositional Zero-shot Learning [54.08741382593959]
  合成ゼロショット学習(CZSL)において、プリミティブ(属性とオブジェクト)の視覚的特徴の歪みは例外的な結果を示した。 異なる構成にまたがる一般的な非絡み合った原始的特徴を学ぶことは困難である。 本稿では,複数のプリミティブ共有合成を入力として利用するクロスコンポジション特徴分散の解を提案する。
  論文  参考訳（メタデータ） (2024-08-19T08:23:09Z)
• CSCNET: Class-Specified Cascaded Network for Compositional Zero-Shot Learning [62.090051975043544]
  属性とオブジェクト(A-O)の絡み合いは、合成ゼロショット学習(CZSL)の基本的かつ重要な問題である CZSL(Class-specified Cascaded Network, CSCNet)のための新しいA-O不整合フレームワークを提案する。
  論文  参考訳（メタデータ） (2024-03-09T14:18:41Z)
• Linear Spaces of Meanings: Compositional Structures in Vision-Language Models [110.00434385712786]
  事前学習された視覚言語モデル(VLM)からのデータ埋め込みにおける構成構造について検討する。 まず,幾何学的観点から構成構造を理解するための枠組みを提案する。 次に、これらの構造がVLM埋め込みの場合の確率論的に持つものを説明し、実際に発生する理由の直観を提供する。
  論文  参考訳（メタデータ） (2023-02-28T08:11:56Z)

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。