音声全体を前後から捉え、文字を順に生成するMamba音声認識
- MADEON-2SPは音声トークンを双方向に処理し、書き起こしの文字を順に生成する単一デコーダー方式。
- 著者らのLibriSpeech 960時間版test-otherではWERが4.7％で、比較したTransformer方式は4.8％。
- 小規模データでの過学習傾向と、音声・文字間の明示的な位置合わせがない点を著者らは報告している。
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。
画像内で場所ごとに異なるぼけを補正するMFENet――3尺度の特徴と周波数情報を統合
- MFENetは3尺度の特徴抽出に、縦横の帯状集約とウェーブレット変換を組み合わせ、場所ごとに異なるぼけと細部の損失を扱う。
- 著者らの掲載表では、GoProでPSNR 32.27 dB・SSIM 0.956、HIDEで29.74 dB・0.928だった。
- 物体検出の改善は本文で主張されるが、確認できた範囲に検出指標の値はない。現場導入には画像の組と位置ラベルを用いた検証が必要である。
衛星画像・標高・ベクトルデータで建物を住宅と非住宅に分類
- 50cm解像度の衛星画像、1m格子間隔のDEM、ベクトルデータを組み合わせ、建物を住宅と非住宅に分類する。
- 著者は大規模データセットで全体のF1スコア0.9936を報告している。
- 評価対象や分割方法、比較手法の結果は示されておらず、導入先での検証が必要である。
量子分類器の攻撃時の誤り率に、モデル共通の下限を求める
- 入力分布、通常時の誤り率、許容する改変の強さから、量子分類器に共通する敵対的リスクの下限を近似推定する。
- 古典入力と量子状態への改変を扱う。著者らは、実測の誤り率が推定下限より10%高い例を報告した。
- 実測誤り率と下限を比べる際は、改変後も正解ラベルが保たれるか、攻撃が十分に強いかを確認する必要がある。
フィッシングURLの検知で特徴量を絞る――CatBoost、XGBoost、EBMの比較
- 著者はRFEでURLの特徴量を選び、length_url、time_domain_activation、Page_rankなどを有力な指標として挙げた。
- 著者はXGBoostの実行時間上の効率と、特徴量を減らしてもCatBoostが高い正解率を維持したことを報告した。
- データセット、評価条件、正解率や実行時間の数値は確認できた本文の範囲では不明で、導入には自組織のURLでの検証が必要である。
ネットワークの変化を数式にするLLC：自身の動きと隣接要素の影響を分けて推定
- LLCは、各要素自身の変化と隣接要素からの影響を別々に学び、NSRAで数式に変換する。
- 著者らは六つの一次元シミュレーションで、状態予測のR²と発見した式のRecallが比較手法を上回ったと報告する。
- 歩行者の実データへの適用は報告されているが、確認できた本文の範囲では評価条件と数値は特定できない。
大きなViTの知識を異なる構造の画像認識モデルへ移すScaleKD
- ScaleKDは、事前学習済みViTの特徴をCNN、MLP、ViTの生徒へ移す知識蒸留法で、教師との照合経路は推論時に使わない。
- 著者らのImageNet-1K評価では、Swin-Lを教師としたResNet-50のtop-1正解率は82.03％で、個別学習より3.39ポイント高かった。
- 著者らは、学習した生徒をMS-COCOの物体検出とADE20Kの領域分割にも転用して評価した。
流行途中の変化を期間別に扱い、初期35日から感染者数を予測するMP-PINN
- MP-PINNは観測値とSIRの式に沿って学習し、感染率と回復率を期間ごとに変える。
- 著者らはイタリア21地域の連続132日について、初期35日で学習し、残る97日をテストした。
- 著者らは比較手法より良好と報告するが、確認できた本文の範囲では結果表の数値と改善幅を確認できない。
手持ちの暗所写真から明るく鮮明な新視点画像を作るLuSh-NeRF
- 暗所写真の明るさを上げ、SNDで雑音を分けてからCTPで撮影中のカメラの動きを推定する。
- 著者らの合成5シーン平均では、LEDNet＋NeRFよりPSNRとLPIPSは良いが、SSIMは低い。
- 実写での数値比較は確認できた本文の範囲にない。現場利用には、別撮影の参照画像を使った評価が要る。
腎臓の超音波画像をつなぐため、位置ずれが既知の学習用画像対を合成する
- １枚の腎臓超音波画像から、既知の変形を持つ合成画像対を作り、位置合わせを学習する。
- 実画像対60組の評価で、SynStitch-VXMはVoxelMorph-AffineよりSSIMと対応点RMSEが良かったと著者らは報告した。
- 被験者14人という記述と9:3:5という分割比は一致せず、分割の単位を確認する必要がある。
蛇口の形状で学習課題を分け、少ない専門モデルで操作を学ぶGSL-PCD
- 物体点群の形状特徴で似た蛇口をまとめ、担当数をそろえて専門モデルに割り当てる。
- ManiSkillで選んだ低成績の蛇口29種類では、専門モデル4つの平均成功率がランダム分割75.6％、GSL-PCD 82.7％だった。
- 著者は、この評価条件で同程度の専門モデルの成績に必要なモデル数・計算量・試行数を50％減らせたと報告する。
探索途中の木でも安全条件を守る、ロボットの確率制約付き行動計画
- 信念に基づく確率制約を木探索に組み込み、展開済みの探索木で安全条件を満たす行動を選ぶ。
- 危険な行動を枝刈りし、その寄与を価値推定と訪問回数から除く。
- 著者らはシミュレーションでベースラインより安全で目的関数値も高い行動を報告するが、確認できた本文に数値や実験条件の詳細はない。