論文の概要: Hybrid Quantum--Classical Pauli-Correlator Architecture for Image Reconstruction

• arxiv url: http://arxiv.org/abs/2611.04442v1
• Date: Tue, 03 Nov 2026 07:35:03 GMT
• ステータス: 情報取得中
• システム内更新日: 2026-11-04 17:30:50.511467
• Title: Hybrid Quantum--Classical Pauli-Correlator Architecture for Image Reconstruction
• Title（参考訳）: ハイブリッド量子-古典パウリ・コレレータによる画像再構成
• Abstract要約: パウリ・コレレータ・オートエンコーダ(PCAE)は,画像再構成のためのハイブリッド量子古典アーキテクチャである。 5つのトレーニングされたモデルは、実際のIBM量子コンピュータ上で再トレーニングすることなく動作し、25.90から31.52デシベルのイメージを再構築する。
• 参考スコア（独自算出の注目度）: 0.0
• License:
• Abstract: We introduce the Pauli-Correlator Autoencoder (PCAE), a hybrid quantum--classical architecture for image reconstruction. PCAE splits an image into patches and compresses each patch as a matrix product state (MPS). A small quantum circuit turns each compressed patch into a few measured numbers, and a classical neural network rebuilds the patch from these numbers and the patch position. A learnable energy term, taken from physics, is added to training and tracked as training proceeds. Two versions place the six qubits on a line (PCAE1D) or on a grid (PCAE2D). An averaging step makes the PCAE2D features follow rotations and reflections of the image exactly. Trained on one image at a time, PCAE2D rebuilds images from six public datasets with a peak signal-to-noise ratio of 25.8 to 41.6 decibels. On CIFAR-10 images not used in training, a formula-based stand-in for the PCAE2D features performs within 1 decibel of several simpler classical methods. Five trained models also run on real IBM quantum computers without retraining, and rebuild images at 25.90 to 31.52 decibels. A short argument and a synthetic test show that, with a linear final layer, measuring qubits in pairs is needed for targets built from products of inputs. These results show that PCAE works as a hybrid model that rebuilds varied images and runs on today's quantum hardware at the six-qubit scale.
• Abstract（参考訳）: パウリ・コレレータ・オートエンコーダ(PCAE)は,画像再構成のためのハイブリッド量子古典アーキテクチャである。 PCAEはイメージをパッチに分割し、各パッチをマトリックス積状態(MPS)として圧縮する。 小さな量子回路は、圧縮されたパッチを数個の測定値に変換し、古典的なニューラルネットワークはこれらの数とパッチ位置からパッチを再構築する。 物理学から得られる学習可能なエネルギー用語がトレーニングに追加され、トレーニングが進むにつれて追跡される。 2つのバージョンは6つのキュービットを1行(PCAE1D)またはグリッド(PCAE2D)に配置する。 平均的なステップでは、PCAE2D機能は画像の回転と反射を正確に追従する。 PCAE2Dは一度に1つの画像で訓練され、最大信号対雑音比25.8から41.6デシベルの6つの公開データセットから画像を再構築する。 CIFAR-10画像では、PCAE2D特徴の式に基づくスタンドインが、いくつかの単純な古典的手法の1デシベル内で実行される。 5つのトレーニングされたモデルは、実際のIBM量子コンピュータ上で再トレーニングすることなく動作し、25.90から31.52デシベルのイメージを再構築する。 簡単な議論と合成テストにより、入力の積から構築されたターゲットに対して、線形最終層でペア内のキュービットを測定する必要があることが示される。 これらの結果は、PCAEがハイブリッドモデルとして機能し、様々な画像を再構築し、今日の量子ハードウェア上で6キュービットスケールで実行されることを示している。

関連論文リスト

• PULSE: Unlocking Practical Image Compression on Single-Thread CPU [62.61908657016215]
  PULSEは1スレッドで116msで1080pの画像をデコードし、HM CPUに匹敵する圧縮性能を実現している。 最適化後、PULSEはMSILLMのようなより大きな知覚コーデックと競合する。
  論文  参考訳（メタデータ） (2026-09-16T12:55:36Z)
• Image Denoising via Quantum Reservoir Computing [0.0]
  量子Reservoir Computing (QRC) は、情報処理に量子システムの自然力学を利用する。 画像復調のためのハイブリッド量子古典フレームワークにQRCを適用した。 以上の結果から,QRCに基づくアプローチは画像のシャープネスの向上と構造回復を達成できることが示唆された。
  論文  参考訳（メタデータ） (2025-12-21T06:12:57Z)
• Parameter-Inverted Image Pyramid Networks for Visual Perception and Multimodal Understanding [49.218195440600354]
  現在の画像ピラミッドは、複数の解像度を処理するために同じ大規模なモデルを使用しており、計算コストを大幅に上回っている。 我々はCOCO変換画像ピラミッドネットワーク(PIIP)と呼ばれる新しいネットワークアーキテクチャを提案する。 PIIPは、事前訓練されたモデル(ViTまたはCNN)を、より小さなネットワークブランチによって高解像度の画像が処理され、計算コストと性能のバランスをとるマルチスケールイメージの処理に使用する。
  論文  参考訳（メタデータ） (2025-01-14T01:57:41Z)
• Flemme: A Flexible and Modular Learning Platform for Medical Images [5.086862917025204]
  Flemmeは、MedicalイメージのためのFLExible and Modular Learningプラットフォームである。 コンボリューション,トランスフォーマー,状態空間モデル(SSM)に基づくビルディングブロックを用いてエンコーダを構築し,2次元画像パッチと3次元画像パッチの両処理を行う。
  論文  参考訳（メタデータ） (2024-08-18T05:47:33Z)
• Quantum Transfer Learning for MNIST Classification Using a Hybrid Quantum-Classical Approach [0.0]
  我々は、MNIST桁の画像を低次元の特徴空間に圧縮する画像分類のためのハイブリッド量子古典モデルを実装した。 オートエンコーダは、各28タイムs28$イメージ(784ピクセル)を64次元潜在ベクトルに圧縮する。 これらの特徴を5量子ビット量子状態にマッピングする。
  論文  参考訳（メタデータ） (2024-08-05T22:16:27Z)
• Classification and reconstruction for single-pixel imaging with classical and quantum neural networks [0.0]
  本研究では,ハダマール基底パターンを用いた1画素イメージング実験を行った。 これらの測定値に基づいて画像の分類と再構成を行うアルゴリズムを開発した。
  論文  参考訳（メタデータ） (2024-07-17T11:38:57Z)
• Parameter-Inverted Image Pyramid Networks [49.35689698870247]
  Inverted Image Pyramid Networks (PIIP) と呼ばれる新しいネットワークアーキテクチャを提案する。 私たちの中核となる考え方は、パラメータサイズの異なるモデルを使用して、画像ピラミッドの解像度の異なるレベルを処理することです。 PIIPは、オブジェクト検出、セグメンテーション、画像分類などのタスクにおいて優れたパフォーマンスを達成する。
  論文  参考訳（メタデータ） (2024-06-06T17:59:10Z)
• Interleaving: Modular architectures for fault-tolerant photonic quantum computing [50.591267188664666]
  フォトニック核融合型量子コンピューティング(FBQC)は低損失フォトニック遅延を用いる。 FBQCのモジュールアーキテクチャとして,これらのコンポーネントを結合して「インターリービングモジュール」を形成するアーキテクチャを提案する。 遅延の乗法的パワーを行使すると、各加群はヒルベルト空間に数千の物理量子ビットを加えることができる。
  論文  参考訳（メタデータ） (2021-03-15T18:00:06Z)
• Locally Masked Convolution for Autoregressive Models [107.4635841204146]
  LMConvは標準的な2Dコンボリューションの簡単な修正であり、任意のマスクを画像の各位置の重みに適用することができる。 我々は,パラメータを共有するが生成順序が異なる分布推定器のアンサンブルを学習し,全画像密度推定の性能を向上させる。
  論文  参考訳（メタデータ） (2020-06-22T17:59:07Z)

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。