論文の概要: SymKL: A Unified Representation-Space Measure of Signal Degradation

• arxiv url: http://arxiv.org/abs/2610.39403v1
• Date: Thu, 29 Oct 2026 05:40:24 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-11-01 01:32:10.045481
• Title: SymKL: A Unified Representation-Space Measure of Signal Degradation
• Title（参考訳）: SymKL:信号劣化の統一表現空間計測
• Abstract要約: 暗黙的神経表現に基づく全参照分解尺度であるSymKLを紹介する。 提案した定式化は、腐敗過程や劣化の深刻さを知ることなく、基準と劣化した観察のみを必要とする。 画像、音声、および3Dベンチマークの実験では、SymKLは劣化の重大度を正確に追跡し、従来の測定値が飽和または失敗する場合は単調のままであり、信号劣化の統一的なモダリティ非依存尺度を提供する。
• 参考スコア（独自算出の注目度）: 52.25254533678074
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Quantifying degradation between a pristine signal and its degraded observation is fundamental to signal processing, yet existing full-reference measures are inherently modality-specific. We introduce SymKL, a unified full-reference degradation measure based on implicit neural representations (INRs). An INR is fitted once to the pristine reference and characterized by its diagonal Fisher information, which captures the local information geometry of the learned representation. Evaluating the Fisher information with the pristine reference and a degraded observation yields two parameter-sensitivity profiles whose symmetric KL divergence defines the degradation score. The proposed formulation requires only the reference and degraded observation, without knowledge of the corruption process or degradation severity, making it applicable across images, audio, and 3D data. We further derive an exact closed-form expression for the diagonal Fisher of SIREN, enabling efficient computation. Experiments on image, speech, and volumetric 3D benchmarks demonstrate that SymKL accurately tracks degradation severity, remains monotonic where conventional metrics saturate or fail, and provides a unified modality-agnostic measure of signal degradation. Code will be made publicly available after the review process.
• Abstract（参考訳）: プリスタン信号と劣化した観測の間の劣化の定量化は信号処理の基本であるが、既存の全参照測度は本質的にモダリティに特化している。 暗黙的ニューラル表現(INR)に基づく統合された全参照分解尺度であるSymKLを紹介する。 INRは、プリスタン基準に一度適合し、その対角的なフィッシャー情報により特徴付けられ、学習された表現の局所的な情報幾何学をキャプチャする。 プリスタン基準と劣化観測でフィッシャー情報を評価すると、対称KL分散度が劣化スコアを定義する2つのパラメータ感度プロファイルが得られる。 提案した定式化では, 画像, 音声, 3Dデータに対して, 破損過程や劣化の度合いを知らずに, 基準および劣化観察のみを必要とする。 さらに、SIRENの対角線フィッシャーの正確なクローズドフォーム式を導出し、効率的な計算を可能にした。 画像、音声、ボリュームの3Dベンチマークの実験では、SymKLは劣化の度合いを正確に追跡し、従来の測定値が飽和または失敗する所で単調のままであり、信号劣化のモダリティに依存しない統一的な測定値を提供する。 コードはレビュープロセス後に公開されます。

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)
• NICE: Scale-Stable Perturbations for Graph Neural Network Explanations via Noise Corruption [67.57304101271096]
  Element-wise Masking (EM) は、エッジによって引き起こされるメッセージをゼロに抑制する。 ノイズ破壊(NC)は、一致したノームなランダムな方向の破損を通じて各メッセージに摂動を与える。 騒音破壊に基づく説明フレームワークであるNICEは、NCが引き起こす不確実性の下で復元境界(英語版)(SRB)を学習する。
  論文  参考訳（メタデータ） (2026-08-17T03:08:14Z)
• Evidence of Absence: Cross-Modal Abductive Risk Perception to Sustain World Models When Vision Fails [11.206758778146282]
  構造化された世界状態は、知覚が劣化するときに予測クリティカルな内容を保存するように設計されている。 我々は、想定された共証拠の欠如を隠れた原因の証拠として扱うことにより、相補的なモダリティから世界モデルを維持する方法について論じる。 マイクロホンアレイフロントエンドは、エンジンおよびタイヤ源の軸受を推定し、接近速度証拠を抽出する。
  論文  参考訳（メタデータ） (2026-08-15T00:38:17Z)
• Blind Recovery of Latent Domains via Unsupervised Symmetry Discovery [0.0]
  本稿では,データ分布の対称性を発見することによって,潜在領域と信号の復元を行う,教師なしのフレームワークを提案する。 我々のフレームワークは、潜在ランダムフィールドからサンプリングされた信号の線形測定として観測をモデル化する。 実験により、この手法は非構造観測から潜伏領域と信号を復元することを示した。
  論文  参考訳（メタデータ） (2026-06-16T10:58:51Z)
• Clipping Bottleneck: Stabilizing RLVR via Stochastic Recovery of Near-Boundary Signals [83.0127582612634]
  Near-boundary Rescue (NSR) は最小限のプラグ・アンド・プレイの修正であり、失った信号を回復するために、アウト・オブ・バウンドトークンを保持する。 NSRはトレーニングの安定性を大幅に改善し、DAPOやGSPOといった強力なベースライン上で一貫したゲインを提供する。
  論文  参考訳（メタデータ） (2026-05-21T16:45:31Z)
• CAdam: Context-Adaptive Moment Estimation for 3D Gaussian Densification in Generative Distillation [3.4998703934432682]
  密度ジレンマを解くために、文脈適応モーメント推定(CAdam)を導入する。 Cadamは、標準密度と比較してガウスの数を85%から97%削減し、全体的な同等の品質を保っている。 これらの結果から, 信号認識密度制御は, 最適化に基づく生成蒸留におけるメモリ効率の向上に有効であることがわかった。
  論文  参考訳（メタデータ） (2026-05-20T08:08:39Z)
• DOC-GS: Dual-Domain Observation and Calibration for Reliable Sparse-View Gaussian Splatting [80.43237927269575]
  本稿では,新しい視点からスパースビュー3DGSの再構築について再考する。 我々は、ガウスの原始的信頼性の観測不能性として、コアチャレンジを識別する。 この観測を動機として、レンダリング画像フレームワークにおける統合されたデュアルドメイン観測と幾何学的手法を提案する。
  論文  参考訳（メタデータ） (2026-04-08T07:01:24Z)
• Breaking Semantic Hegemony: Decoupling Principal and Residual Subspaces for Generalized OOD Detection [10.596067236901968]
  最先端(SOTA)モデルにおける単純度パラドックスについて検討する。 モデルは、意味的に微妙なOODサンプルを区別する上で、鋭い感度を示すが、厳密な幾何学的盲点に苦しむ。 そこで我々は,D-KNNを提案する。
  論文  参考訳（メタデータ） (2026-02-05T06:32:33Z)
• Residual ANODE [0.0]
  データ駆動型モデル非依存型共振異常検出のための新しい手法であるR-ANODEを提案する。 R-ANODEの鍵は、正規化フローを小さく未知の信号成分に直接適合させることにより、異常検出タスクの誘導バイアスを高めることである。 本手法は,未知の信号区間が学習されたり固定されたりしても等しく動作し,信号区間の誤識別に対してさえ頑健であることを示す。
  論文  参考訳（メタデータ） (2023-12-18T19:00:03Z)

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。