論文の概要: IsoAct: Geometry-Aware Post-hoc Debiasing via Isometric Actions

• arxiv url: http://arxiv.org/abs/2610.34690v1
• Date: Mon, 26 Oct 2026 01:26:18 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-10-27 22:27:13.672275
• Title: IsoAct: Geometry-Aware Post-hoc Debiasing via Isometric Actions
• Title（参考訳）: IsoAct:Isoometric Actionsを用いた幾何認識ポストホックデバイアス
• Abstract要約: IsoActは、ニュアンス識別と表現編集の両方において幾何学を考慮に入れたポストホックフレームワークである。 超球面、双曲、および$mathrmSE(3)$表現に関する制御された実世界の実験は、ニュアンス低減、実用性保存、多様体の妥当性を共同で評価する。 最も明確な結合結果はKLIFSで、還元されたキナーゼ群回復性、強い構造予測、有効な剛性ポーズを組み合わせたものである。
• 参考スコア（独自算出の注目度）: 17.308940657825385
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Learning representations that are robust to nuisance factors is essential for reliable deployment, but remains challenging when the representations lie on non-Euclidean manifolds. Existing debiasing methods typically assume Euclidean representations or apply linear interventions, which can distort the geometry of structured latent spaces. We propose IsoAct, a post-hoc framework that accounts for geometry in both nuisance identification and representation editing. It identifies nuisance-predictive directions using Fisher discriminant analysis (FDA) in tangent coordinates and applies corrections through manifold-native actions that preserve manifold membership. Controlled and real-world experiments on hyperspherical, hyperbolic, and $\mathrm{SE}(3)$ representations evaluate nuisance reduction, utility preservation, and manifold validity jointly. IsoAct reduces nuisance recoverability while retaining competitive utility. Its clearest joint result is on KLIFS, combining reduced kinase-group recoverability, strong structural prediction, and valid rigid poses.
• Abstract（参考訳）: ニュアンス因子に頑健な学習表現は、信頼できる配置には不可欠であるが、非ユークリッド多様体上の表現が困難である。 既存のデバイアス法は通常、ユークリッド表現を仮定するか、線形介入を適用し、構造付き潜在空間の幾何学を歪曲することができる。 本稿では,ニュアンス識別と表現編集の両面での幾何を考慮したポストホックフレームワークであるIsoActを提案する。 タンジェント座標におけるフィッシャー判別分析(FDA)を用いてニュアンス予測方向を特定し、多様体のメンバーシップを保持する多様体ネイティブな作用を通じて補正を行う。 超球面、双曲、および$\mathrm{SE}(3)$表現に関する制御された実世界の実験は、ニュアンス還元、実用性保存、多様体の妥当性を共同で評価する。 IsoActは競争力を維持しながらニュアンス回復性を低下させる。 最も明確な結合結果はKLIFSで、還元されたキナーゼ群回復性、強い構造予測、有効な剛性ポーズを組み合わせたものである。

関連論文リスト

• COMPASS: Contextual Moment Prior Alignment for Generalizable AIGI Detection [87.91469665365304]
  一般化可能なAI生成画像(AIGI)とディープフェイク検出は、非対称性現象のため難しいままである。 最近の部分空間適応法は、残留部分空間を適応させながら高次主成分を凍結することによりこの問題を軽減する。 本稿では,小さなSemantic Proxy Setを用いて,ターゲットのアクティベーション統計を推定するデータ認識サブスペース適応フレームワークを提案する。
  論文  参考訳（メタデータ） (2026-10-13T09:23:12Z)
• Geometry-Constrained Bidirectional Point Cloud Registration for Thin, Sheet-Like Heritage Artifacts [8.294303957972383]
  薄いシート状遺産の非接触復元は、幾何的および登録上の課題を生じさせる。 本研究では,細いシート状遺産に特化して,幾何学的に制約された双方向のクラウド登録手法を提案する。 提案手法は,ほとんどの場合,競争力や性能の向上を実現する。
  論文  参考訳（メタデータ） (2026-10-06T05:41:11Z)
• When Does Unsupervised Learning Succeed or Fail? A PoS Perspective on Reconstruction-Based Anomaly Detection [4.756592335149889]
  再構成に基づく教師なし学習は2つの反対の方法で失敗する。 我々は、これらの障害を、名目成分によって誘導される会合、連合、結合によって特徴づける。 コンパクトな名目連合は、名目忠実な範囲の中で最適であることを示す。
  論文  参考訳（メタデータ） (2026-09-23T22:42:21Z)
• High-Dimensional Latents Should Be Diagnosed Through Phase Structure [56.362776482614976]
  スピングラス理論のレンズによるオートエンコーダと変分オートエンコーダの潜在空間について検討した。 固定復号器用の潜時空間スピングラス辞書を定式化する。 トポロジカルな自明化機構のエッジ・オブ・ステイティに向けて潜伏系を駆動することは、下流に具体的な結果をもたらすことを示す。
  論文  参考訳（メタデータ） (2026-05-23T06:17:23Z)
• R2AoP: Reliable and Robust Angle of Progression Estimation from Intrapartum Ultrasound [15.710380029138731]
  腹腔内超音波からの進行角(AoP)は,作業進行の客観的評価に重要である。 構造的情報分割と信頼誘導幾何モデリングを統合した信頼性とロバストなAoP推定フレームワークR2AoPを提案する。
  論文  参考訳（メタデータ） (2026-05-20T12:28:37Z)
• Statistical-Geometric Degeneracy in UAV Search: A Physics-Aware Asymmetric Filtering Approach [23.49656058107753]
  無人航空機 (UAV) を用いた災害後の生存者の移動は、基本的な物理的課題に直面している。 標準ガウスノイズとは異なり、破片からの信号反射は厳密に非負の範囲バイアスをもたらす。 既存のロバストな推定器は一般に対称損失関数で設計され、暗黙的に誤差対称性の仮定に依存する。 我々はNLOSバイアスの非負の物理先行を明示的に組み込んだ物理基底解 AsymmetricHuberEKF を提案する。
  論文  参考訳（メタデータ） (2026-02-11T08:33:56Z)
• MirrorLA: Reflecting Feature Map for Vision Linear Attention [49.41670925034762]
  リニアアテンションはトランスフォーマーの2次から線形への計算複雑性を著しく低下させるが、パフォーマンスにおけるソフトマックスに基づくアテンションの遅れは一貫して遅れる。 我々は、受動トランケーションをアクティブなリオリエンテーションに置き換える幾何学的枠組みであるMirrorLAを提案する。 MirrorLAは標準的なベンチマークで最先端のパフォーマンスを実現し、表現の忠実さを損なうことなく厳密な線形効率を実現できることを示した。
  論文  参考訳（メタデータ） (2026-02-04T09:14:09Z)
• Riemannian Flow Matching for Disentangled Graph Domain Adaptation [51.98961391065951]
  グラフドメイン適応(GDA)は典型的には、ユークリッド空間におけるグラフ埋め込みの整列に逆学習を使用する。 DisRFMは、埋め込みとフローベースのトランスポートを統一する幾何学的なGDAフレームワークである。
  論文  参考訳（メタデータ） (2026-01-31T11:05:35Z)
• Causal Manifold Fairness: Enforcing Geometric Invariance in Representation Learning [0.0]
  本稿では,因果推論と幾何学的深層学習を橋渡しする新しいフレームワークであるCausal Manifold Fairness(CMF)を紹介する。 デコーダのヤコビアンとヘシアンに制約を課すことにより、CMFは潜在空間の規則が階層群全体にわたって保持されることを保証する。 CMFを合成構造因果モデル (SCMs) で検証し, タスクユーティリティを保ちながら, 敏感な幾何学的歪みを効果的に解消することを示した。
  論文  参考訳（メタデータ） (2026-01-06T14:05:22Z)
• Geometry-Editable and Appearance-Preserving Object Compositon [67.98806888489385]
  汎用オブジェクト合成(GOC)は、対象オブジェクトを望まれる幾何学的性質を持つ背景シーンにシームレスに統合することを目的としている。 近年のアプローチは意味的埋め込みを導出し、それらを高度な拡散モデルに統合し、幾何学的に編集可能な生成を可能にする。 本稿では,まずセマンティックな埋め込みを活用して,所望の幾何学的変換を暗黙的にキャプチャするDistangled Geometry-editable and Outearance-Preserving Diffusionモデルを提案する。
  論文  参考訳（メタデータ） (2025-05-27T09:05:28Z)
• Last-Iterate Convergence of Adaptive Riemannian Gradient Descent for Equilibrium Computation [52.73824786627612]
  本稿では,テクスト幾何学的強単調ゲームに対する新たな収束結果を確立する。 我々のキーとなる結果は、RGDがテクスト幾何学的手法で最終定位線形収束を実現することを示しています。 全体として、ユークリッド設定を超えるゲームに対して、幾何学的に非依存な最終点収束解析を初めて提示する。
  論文  参考訳（メタデータ） (2023-06-29T01:20:44Z)

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。