論文の概要: QFacePlacement: From Arbitrary Tensorization to Semantic Spatial Correspondence in Modern Face Verification

• arxiv url: http://arxiv.org/abs/2611.02505v1
• Date: Mon, 02 Nov 2026 04:27:34 GMT
• ステータス: 情報取得中
• システム内更新日: 2026-11-03 19:27:57.103367
• Title: QFacePlacement: From Arbitrary Tensorization to Semantic Spatial Correspondence in Modern Face Verification
• Title（参考訳）: QFacePlacement: 任意テンソル化から現代顔認証における意味的空間対応へ
• Abstract要約: 量子インスパイアされたコンピュータビジョンは、しばしば高次元の特徴をテンソルに再認識し、テンソルネットワークモデルを適用する。 2つの制御されたインタフェースを通してモデル配置を研究する。 Dense RidgeとProcrustesのマッピングは引き続き強力であり、決定論的TT-SVDとMPO圧縮は、基底変化や低ランク残差を伴っても性能が劣る。
• 参考スコア（独自算出の注目度）: 3.1527927520775396
• License:
• Abstract: Quantum-inspired computer vision often reshapes high-dimensional features into tensors and applies tensor-network models. In face verification, this can be misleading: modern embeddings are optimized for cosine similarity, and tensorization alone does not establish the low-rank structure needed for tensor trains or matrix-product operators (MPOs). We study model placement through two controlled interfaces. First, cross-model embedding alignment requires a 512 x 512 operator to map AdaFace embeddings into ArcFace space. Dense Ridge and Procrustes mappings remain strong, while deterministic TT-SVD and MPO compression underperform even with basis changes and low-rank residuals. At a 64K-parameter storage budget, mean directional AUC is 0.9297 for dense Ridge, 0.8952 for rank-64 SVD, 0.8685 for the best low-rank-MPO hybrid, and approximately 0.649 for raw MPO. Second, before global pooling, we construct a 7 x 7 x 7 x 7 probe-gallery correspondence tensor from local AdaFace descriptors. A geometry-aware symmetric tensor train with bond dimension 2 uses 122 trainable parameters, compared with 2,403 for a dense linear matcher, while attaining an LFW AUC of 0.9802. Yet compression does not translate into better low-false-acceptance performance: on CFP-FP, TAR at FAR = 0.001 is 0.0102 versus 0.1734 for global cosine matching, and on CPLFW it is 0.7805 versus 0.8737. These results suggest that quantum-inspired factorization is most credible when the chosen interface provides task-aligned axes and compressible structure. They also show why aggregate AUC must be assessed alongside operational low-FAR metrics.
• Abstract（参考訳）: 量子インスパイアされたコンピュータビジョンは、しばしば高次元の特徴をテンソルに再認識し、テンソルネットワークモデルを適用する。 現代の埋め込みはコサイン類似性に最適化されており、テンソル化だけでテンソルトレインや行列積演算子(MPO)に必要な低ランク構造を確立していない。 2つの制御されたインタフェースを通してモデル配置を研究する。 まず、クロスモデル埋め込みアライメントは、AdaFaceの埋め込みをArcFace空間にマッピングするために、512 x 512演算子を必要とする。 Dense RidgeとProcrustesのマッピングは引き続き強力であり、決定論的TT-SVDとMPO圧縮は、基底変化や低ランク残差を伴っても性能が劣る。 64Kパラメーターのストレージ予算では、平均方向AUCは高密度リッジで0.9297、ランク64SVDで0.8952、最高低ランクMPOハイブリッドで0.8685、生MPOで約0.649である。 次に,局所的な AdaFace 記述子から 7 x 7 x 7 x 7 x 7 のプローブガリー対応テンソルを構築する。 結合寸法2の対称テンソルトレインは、密度線形整合器の2,403に対して122のトレーニング可能なパラメータを使用し、LFW AUCは0.9802である。 CFP-FP では FAR = 0.001 の TAR は 0.0102 対 0.1734 であり、CPLFW では 0.7805 対 0.8737 である。 これらの結果は、選択されたインタフェースがタスク整列軸と圧縮可能な構造を提供する場合、量子インスパイアされた分解が最も信頼性が高いことを示唆している。 また、AUCを運用中の低FARメトリクスとともに評価する必要がある理由も示している。

関連論文リスト

• Activation-Aware Weight Tensorization: A Calibration-Time Preconditioner for Tensor-Network LLM Compression [56.13339704668584]
  トレーニング後のテンソルネットワーク圧縮は、Transformer線形層をTrain (TT) または Tree Network (TTN) オペレータに置き換える。 標準分解は、層の活性化分布の下での関数誤差よりも、重み空間のフロベニウス誤差を最小化する。 本稿では,各重み行列を対角的アクティベーション・ワイドスケールでプリコンディションするアクティベーション・アウェア・エレメント化(AWT)を提案する。
  論文  参考訳（メタデータ） (2026-10-07T13:48:04Z)
• Learning Functional Subspaces for Neural Network Compression [79.78451551969097]
  Learnable Subspace Projections (LSP) は、エンドツーエンドを捨てるためにサブスペースを学習する。 LSPは、小さなバッチサイズで高密度モデルよりも1.6倍高速にデコードする。
  論文  参考訳（メタデータ） (2026-09-30T16:47:35Z)
• GroundAnything: Reconciling Parallel Decoding with Precise Visual Grounding at Flash Speed [71.05944634852158]
  GroundAnythingはブロックワイズによる正確なローカライゼーションで高速並列デコーディングを再構成する。 30のグラウンドベンチマークで、私たちの自己回帰型であるGroundAnything-VLMは、この技術の新たな全体的な状態を確立します。 エントロピー誘導復号法により、GroundAnythingは、この規模の芸術の先行状態を超越している。
  論文  参考訳（メタデータ） (2026-09-30T12:20:51Z)
• SQUARE: Structured Quantum Representation Adapters as Compact Quadratic Feature Maps for Frozen Language Models [50.300302932452006]
  凍結言語モデル(LM)は、下流の再ランク付け、スコアリング、嗜好モデリングのための固定された特徴抽出器として、ますます使われている。 本稿では、ボトルネックベクトルを振幅符号化し、パラメータ化量子回路を適用し、その結果の状態を測定する構造量子表現アダプタを提案する。 各基底確率関数は、ちょうどボトルネック座標における正規化された二次形式であり、追加のPauli$Z$読み出しはそれらの確率の線形結合であることを示す。
  論文  参考訳（メタデータ） (2026-09-29T09:38:29Z)
• Separable Neural Architectures as Physical World Models: from Mathematical Theory to Applications [0.8577671031243427]
  本稿では,神経近似とテンソル分解を組み合わせた関数表現クラスである分離型ニューラルアーキテクチャ(SNA)を紹介する。 このアーキテクチャは、偏微分方程式(PDE)を解くのに適したコンパクトで滑らかな帰納バイアスを持つ。 我々は、SNAを2つのエンジニアリングケーススタディを通して「一度解決し、どこでも問い合わせる」物理世界モデルとして紹介する。
  論文  参考訳（メタデータ） (2026-06-12T20:14:49Z)
• Amplifying, Not Learning: Fine-Tuned AI Text Detectors Amplify a Pretrained Direction [51.56484100374058]
  テキスト検出器は、事前訓練された典型軸を増幅する。 タスク監督前の生エンコーダでは、3つのアーキテクチャでNYT-vs-HC3 AUROC 0.806/0.944/0.834を達成する。 RoBERTaベースでは、生のプロジェクションは微調整を超えるが、RoBERTaベースでは、フル微調整は、試験された流線型人口の双方で生よりも識別を小さくする。
  論文  参考訳（メタデータ） (2026-05-20T19:08:38Z)
• Reframing preprocessing selection as model-internal calibration in near-infrared spectroscopy: A large-scale benchmark of operator-adaptive PLS and Ridge models [0.2609784101826761]
  本稿では,探索を1つのキャリブレーションステップに分解できる事例について検討する。 線形演算子適応キャリブレーションは、徹底的な前処理スクリーニングに匹敵する予測品質を与える。
  論文  参考訳（メタデータ） (2026-05-13T14:23:00Z)
• Hierarchical Transformer Preconditioning for Interactive Physics Simulation [28.137076331332413]
  階層型トランスフォーマープレコンディショナー(Hierarchical Transformer Preconditioner)は、弱い許容率のH行列分割に固定されたニューラルプレコンディショナーである。 ネットワークは低ランクの遠距離因子を通して逆をモデル化する。 高速道路の接続を利用して、奥行きを隔ててコンテキストを伝播する。
  論文  参考訳（メタデータ） (2026-05-13T11:02:27Z)
• LiQSS: Post-Transformer Linear Quantum-Inspired State-Space Tensor Networks for Real-Time 6G [85.58816960936069]
  Sixth-Generation (6G) Open Radio Access Networks (O-RAN) における能動的およびエージェント的制御は、厳密なニアタイム(Near-RT)レイテンシと計算制約の下で制御グレードの予測を必要とする。 本稿では,効率的な無線テレメトリ予測のための変圧器後パラダイムについて検討する。 本稿では、自己アテンションを安定な状態空間動的カーネルに置き換える量子インスピレーション付き状態空間テンソルネットワークを提案する。
  論文  参考訳（メタデータ） (2026-01-18T12:08:38Z)
• Matrix Phylogeny: Compact Spectral Fingerprints for Trap-Robust Preconditioner Selection [0.0]
  Matrix Phylogenyは、家族レベルで行列を特徴付けるコンパクトなスペクトル指紋(CSF/ASF)を導入している。 これらの指紋は、ハッチンソンのスケッチから推定されるチェビシェフのトレースモーメントから作られた低次元の固有分解自由記述子である。 CSF/ASFはコンパクト(K=10)で高速で不変な指紋を提供する。
  論文  参考訳（メタデータ） (2025-10-19T02:35:09Z)

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。