非負の特徴抽出に1×1畳み込みを重ね、CIFAR-10の画像分類を改善
- CNMFの後に1×1畳み込みを置き、非負の特徴を画像の同じ位置で混合する。
- 著者らはCIFAR-10で、提案構成が同程度のCNNを上回ったと報告する。
- 近似的な誤差逆伝播は通常のNMFの逆伝播より約29倍速く、メモリ使用量はCNNと同程度だったと報告する。
RESEARCH BRIEFS
論文をさくっと読む
掲載済みの論文解説から、研究の要点を短く紹介します。
FastFT：特徴量の変換手順を予測性能と新規性で探索する
- FastFTは列と演算を順に選び、予測モデルに使う新しい特徴量を作る。
- 初期探索の実測結果から性能予測器を学習し、新規性の推定とともに探索へ使う。
- 著者らは性能と効率の改善を報告するが、確認できた本文の範囲ではデータセット別の数値比較は確認できない。
CNNの中間特徴を並べ替え、異なる構造の画像分類器への攻撃転移を高めるFPA
- FPAは代替CNNの中間特徴を並べ替え、異なる構造の画像分類器への攻撃画像の転移を狙う。
- 著者らのImageNet評価では、FPA-Nの14対象モデル平均攻撃成功率は45.59%で、I-FGSMの18.99%を上回った。
- 業務で試す場合は正解ラベル付き画像を用意し、基本攻撃との差、処理時間、画像の見た目を同条件で確かめる。
新しい点だけに位置を付け、過去画像なしで位置推定モデルを更新するKAMP
- 新点だけを記録した追加画像で、過去の学習画像を保持せずに既存モデルを更新する課題を扱う。
- KA-Netが近接する新旧点の関係を学び、旧モデルとともに新モデルへ旧点の情報を渡す。
- 著者らの4データセットの最終段階では、KAMPのA-MREまたはAAAがLWFより良かった。
操作履歴の削除・挿入を学び、次の商品を予測するLACLRec
- 元の履歴を壊して復元する学習により、商品の保持・削除・挿入を選ぶ拡張器を作る。
- 元の履歴、拡張器による履歴、ランダム加工した履歴の近さを使って推薦モデルを学習する。
- 著者らは三つの実データでCL4SRecを上回ったと報告するが、確認できた範囲に結果表はない。
3平面と近傍アンカーで3D場面を圧縮するTC-GS
- TC-GSは3平面、近傍アンカー、位置情報から属性値の確率を予測し、3D場面を圧縮する。
- 表IのTanks & TemplesではScaffold-GSの86.50 MBに対しTC-GSは7.66 MBで、PSNRはいずれも23.96だった。
- 著者らは学習時間の増加と描画速度の低下を報告しており、用途ごとに画質と処理時間の確認が必要である。
検索を何回使うかも判断する――Open Deep Searchの質問応答設計
- 検索語の言い換えと関連箇所の抽出を行う検索道具を、行動を選ぶエージェントと組み合わせる。
- ODS-v2とDeepSeek-R1は、SimpleQAで88.3％、FRAMESで75.3％の正解率と報告された。
- FRAMESでは平均3.39回検索しており、業務利用では正答率と検索回数を併せて測る必要がある。
グラフの接続が乱れたとき、予測への依存度を学習で変えるβ-GNN
- GNNとMLPの予測を、学習した重みβで統合する。
- CoraのMetattack 20％条件では、GCN単体58.73％、GCNを用いたβ-GNNは68.56％だった。
- 異種の節点が結ばれやすいグラフでは改善が小さく、βが攻撃状態を明確に示さない例もある。
Gemini Robotics：空間理解をロボットの動作につなぐ二つのモデル
- Gemini Robotics-ERは物体や把持位置などを捉え、Gemini Roboticsは行動データを取り込んでロボットの動作を直接生成する。
- 著者らのALOHA 2シミュレーションでは、コード生成によるゼロショット操作の平均成功率はGemini 2.0 Flashの27％に対し、Gemini Robotics-ERで53％だった。
- Gemini Robotics-ERによる実機の衣服を畳む作業は、9試行でゼロショット0％、実演例を文脈中に与えた条件で56％と報告された。
制御信号を試し、AIが操作できる物体とその動きを見つける
- 無操作と各制御信号を無作為に試し、物体の状態変化から身体候補と信号の効果を推定する。
- 著者らの仮想実験では、ドローン群を扱うT3のF1スコアが、比較手法の0.528に対し提案法のp値0.01未満で0.921だった。
- 実機で使うには、操作の効果が時点をまたがないという仮定と、観測欠損がある場合の判定を検証する必要がある。
文書内の因果経路をたどって回答するCausalRAG
- 文書をグラフにし、質問に近い箇所から関係をたどって、推定した因果経路を回答用に要約する。
- 著者らはOpenAlexの研究論文100件の要旨で、通常のRAGとGraphRAGの局所・全体検索を比較し、3指標で上回ったと報告する。
- 著者らはグラフ作成の追加費用と、長い文書で因果経路を探索・分析する際の計算量を制約として挙げる。
翻訳・音声認識・順位付けの評価指標を、利用する文脈ごとに確かめる
- 局所正確度は、対象文脈の元の出力を、改変した出力より高く採点できた割合である。
- 著者らは三課題で文脈による正確度の差を報告した。指標の順位変化は翻訳と順位付けで観察され、音声認識では支持されなかった。
- 改変例が本当に悪化しており、利用場面の誤りに近いかを確かめてから、指標選定に用いる必要がある。