論文の概要: Characterizing Scanpath Decoding Pipelines with Perturbation Profiles
- arxiv url: http://arxiv.org/abs/2611.11632v2
- Date: Wed, 11 Nov 2026 18:30:44 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-11-14 01:36:32.8754
- Title: Characterizing Scanpath Decoding Pipelines with Perturbation Profiles
- Title(参考訳): 摂動プロファイルを用いた走査パスデコードパイプラインの特性評価
- Abstract要約: 5つの変換は、各スキャンパスの1つの特性を目標とする。
参加者が持たないAUCの変化は、パイプラインがその特性に対する感度である。
3つの公開データセットから13のバイナリ問題に関する9つの記述子をプロファイルした。
- 参考スコア(独自算出の注目度): 0.0
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: When a scanpath descriptor supports a classification, it is rarely clear what the classification rests on. We propose perturbation profiles. Five transformations each target one stated property of every scanpath (fixation order, the coupling of durations to positions, the duration distribution, orientation and handedness, and fine spatial structure) while preserving a listed set of invariants. The classifier is refit, and the change in participant-held-out AUC is the pipeline's sensitivity to that property. Intervals come from a participant bootstrap that refits the classifier; in simulations they were conservative (99.7% coverage; standard errors about 1.8 times the empirical spread). We profiled nine descriptors on thirteen binary problems from three public datasets, with a within-fold AUC and class-balanced folds and a stated rule for which sensitivities to interpret. Of 565 intervals, 95 excluded zero; 80 were robust to the pooled AUC, 20 fold partitions and longer runs (36 of them within +/-0.05 AUC), and 45 also held with boosted trees. Most came from GazeBase (322 participants). Permuting fixation order raised the AUC of a descriptor based on mean saccade amplitude, because permuted amplitude has as its expectation the mean pairwise distance, a measure of spread. A "comprehension" contrast pooled over two programs was a contrast between their layouts: it vanished among trials of the same program, and synthetic gaze drawn from the layout alone reproduced the program contrast beneath it. For native versus non-native readers, spatial jitter at the scale of text lines reduced recurrence's discrimination. A Python package is released.
- Abstract(参考訳): スキャンパス記述子が分類をサポートする場合、その分類がどのようなものかは、ほとんど明らかではない。
摂動プロファイルを提案する。
それぞれの対象の1つの変換は、列挙された不変量の集合を保持しながら、各スキャンパスの特性(固定順序、位置への時間的結合、時間的分布、配向と手作業、微細な空間構造)を示す。
分類器は適合しており、参加者が保持するAUCの変更はその特性に対するパイプラインの感度である。
インターバルは、分類器に適合する参加者ブートストラップ(英語版)から来ており、シミュレーションでは保守的であった(99.7%のカバレッジ、標準エラーは経験的拡散の約1.8倍)。
我々は3つの公開データセットから13のバイナリ問題に関する9つの記述子をプロファイルした。
565インターバルのうち、95はゼロから除外され、80はプールされたAUC、20の折り畳み、長い走路(うち36は+/-0.05 AUC)、45は高木で保持された。
ほとんどがGazeBase(322人)からのものだ。
置換固定順序は平均ササード振幅に基づいて記述子のAUCを上昇させた。
2つのプログラムにまたがる「包括的」(comprehension)コントラストは、同じプログラムの試行の間に姿を消し、レイアウトから引き出された合成視線は、その下のプログラムコントラストを再現した。
ネイティブと非ネイティブの読者にとって、テキスト行の規模での空間ジッタは繰り返しの識別を減らした。
Pythonパッケージがリリースされた。
関連論文リスト
- CÆNL: Collapse-Based Active Neural Learning with Objective-Aligned Representation Control [2.28438857884398]
アクティブラーニングは、後続のラベルを取得するために使われる表現を変更する。
我々は、この相互作用をCNL(Collapse-Based Active Neural Learning)を通して研究し、獲得、動的崩壊規則化(Dynamic Collapse Regularization、DCR)とその係数ポリシーを分離する。
6シードの分類比較は2つのバックボーンのそれぞれに対して、別個の制御選択と10シードの評価による104ランの試験によって補完される。
論文 参考訳(メタデータ) (2026-10-13T00:12:58Z) - RSAJEV: Training-Free Abstaining Prototype Memory for Eliminating Silent Hallucination in JEV-Based Remote Sensing Classification [8.647373706990605]
マルチモーダル大言語モデル(MLLM)を用いたリモートセンシング画像のシーン分類は,一方向通過決定問題として定式化されている。
この文字の結合はトレーニング語彙において非常に効果的であるが、語彙から不規則に振る舞う。
スロット表現を、検索ベースのプロトタイプマッチングを実行するトレーニング不要のプロトタイプメモリであるRSAJEVに置き換える。
論文 参考訳(メタデータ) (2026-10-11T16:27:00Z) - Correlation-Guided Encoder Selection for Multi-Encoder Large Audio-Language Models [52.59216139491759]
CUES (Correlation-gUided Selection) は、単エンコーダ評価のみから選択中の融合訓練なしで設定された候補をスコアする。
広いトラックAスイートでは、CUESはクロスファミリートリオ(Whisper-medium、mHuBERT-147、Dasheng-base)を選択する。
TrackBテキスト生成では、フォーカスされた音声のみのペア(mHuBERT-147とWavLM-base-plus)で再アンカーする。
論文 参考訳(メタデータ) (2026-09-16T02:41:41Z) - SeGDeP: Semantic- and Geometric-Aware Decoupled Prompts for Reasoning Segmentation [51.46828526392219]
推論セグメンテーションは暗黙の言語学的結論を正確なマスクに変換する。
既存のMLLMセグメンタインタフェースでは、特別なトリガーを使用するか、両方の信号を1つのコンテキストに圧縮する。
明示的なWhat-whereインターフェースであるSeGDePを提示する。
論文 参考訳(メタデータ) (2026-09-08T15:11:32Z) - Support Operation Factorization: Compositional Readout of Frozen Vision Encoders under Controlled Interventions [87.95757610455173]
我々は、x演算グリッドとSO-OPFをサポートするために、インジェクティブに整合した残余セルアウトプロトコルを導入する。
グリッドが分かっているときにキャリアがホールドアウトバインディングを構成するかどうか、フラットなセルラベルからグリッドを回収できるかどうかという2つの質問を分離する。
論文 参考訳(メタデータ) (2026-08-06T15:38:55Z) - Latent Undertow: How Ordinary Typos Break Probes [1.3636639880574484]
タイプミスや句読点の欠如によって、ユーザの意図とモデルの反応は瞬時に変化しない。
しかし、モデルの隠れ状態を読むことによって悪意のあるプロンプトを検出するプローブは、異なるストーリーを語る:同じ編集で、摂動トークンで読み出しベクトルを43-56回転させ、10下流トークンで15%以下で崩壊する。
メッセージごとに3つの共通型を積み重ねると、シングルポジションのプロンプトインジェクションプローブのTPR@FPR$=1% が 12.0pp にカットされる。
論文 参考訳(メタデータ) (2026-07-08T11:41:43Z) - Detecting Hallucinations in Retrieval-Augmented Generation through Grounding-Aware Sensitivity by Perturbation (GASP) [1.827510863075184]
Grounding-Aware Sensitivity by Perturbation (GASP) は、抽出された証拠にどれだけ強く依存するかによって、各回答文をスコアするスパンレベル検出器である。
GASPは、完全なコンテキスト下で修正され、コンテキストなしで再スコアされ、各チャンクが削除された後、ログライクなドロップとJensen-Shannonの発散を測定する。
2つのモデルファミリーの3つのインストラクションチューニングスコアを用いた3つのベンチマーク(RAGTruth, TofuEval, RAGBench)でGASPを評価する。
論文 参考訳(メタデータ) (2026-07-05T10:35:30Z) - Efficient Visual Pointing for Embodied AI:Agent-Driven Data Synthesis, Cross-Block Attention, and Iterative Correction [55.11480729304395]
PointArena 2026は77.2%の精度でベンチマークで2位である。
ap proachは3つの障害モードをターゲットにしている。第一に、エージェント駆動のシンセシスは大きなセマンティクスとアンカー相対的な候補プールを構築する。
次に、determinis tic steerable-dataパイプラインは、認証された10,000サンプルのメインセットと、マスク、テンプレート、パス検証を使用するリザーブサンプルを生成する。
論文 参考訳(メタデータ) (2026-06-29T06:39:03Z) - 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) - Automated Circuit Interpretation via Probe Prompting [0.0]
本稿では、帰属グラフをコンパクトで解釈可能な部分グラフに変換する自動パイプラインであるプローブプロンプトを提案する。
5つのプロンプトにまたがって、プローブプロンプトされたサブグラフは、複雑さを圧縮しながら高い説明的カバレッジを保っている。
幾何学的クラスタリングベースラインと比較すると、概念整列群はより高い行動コヒーレンスを示す。
論文 参考訳(メタデータ) (2025-11-10T11:53:36Z) - Detecting Handwritten Mathematical Terms with Sensor Based Data [71.84852429039881]
本稿では,手書きの数学的用語を自動分類する,スタビロによるUbiComp 2021チャレンジの解を提案する。
入力データセットには異なるライターのデータが含まれており、ラベル文字列は合計15の異なる文字から構成されている。
論文 参考訳(メタデータ) (2021-09-12T19:33:34Z)
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。