PyTorchKR Papers

최신 논문

총 1편
태그·기간 등 상세 필터

카테고리 탐색

로그인 후 이 태그 구독

arXiv:2609.24737v1cs.CV

Ananke: 수축 토러스 Attractor Networks

Ananke: Contractive Torus Attractor Networks

본 논문은 잠재 표현을 구조화된 곱-토러스(product-torus) 사전분포 위에 구축하는 표현 학습(representation-learning) 프레임워크 Ananke와, 그 대표적인 시각 백본 구현인 Contractive Torus Attractor Networks(CTAN)를 제안한다. 고차원 잠 latent 공간을 직교 직합(orthogonal direct sum) 형태의 2차원 위상 평면($\bigoplus_{k=1}^K \R^2$)으로 인수분해함으로써, Ananke는 특징 갱신을 분리된 이중-위상(dual-phase) 연속 흐름으로 조율한다: skew-symmetric Hamiltonian 수송은 에너지 준위 집합(energy level sets)을 따라 접선 방향으로 특징을 이동시켜 의미적 위상 불변량(semantic phase invariants)을 보존하고, 부호 있는 그래디언트 소산(signed gradient dissipation)은 가로 방향(transverse) 섭동을 법선 방향으로 목표 불변 다양체(invariant manifolds) 쪽으로 수축(contract)한다. 매개변수가 고정된 원형 포텐셜(circular potential) 계열에 대해, 로그 반경(logarithmic radial) 피드백은 Exact Log-Symplectic Flow(ELSF)를 낳으며, 이는 수치 적분 없이 단일 순전파로 평가되는 해석적 폐형(closed-form) 사상(mapping)으로 log-radius 오차의 정확한 지수 감쇠(exponential decay)를 갖는다. 우리는 준위 집합(level-set) 편차와 log-radius 오차에 대한 국소 입력-상태(input-to-state) 상한을 확립하고, 유계(bounded) 섭동 하에서 이상적 곱 토러스의 법선 쌍곡성(normal hyperbolicity)과 지속성(persistence)을 특성화한다. 또한 Lie--Trotter 연산자 분할(operator splitting)을 통해 공간 깊이 방향(depthwise) 확산과 국소 다양체 수축을 통합하는 아키텍처를 정식화하고, 정확한 삼각 흐름(trigonometric flows)과 하드웨어 친화적 symplectic dual-shear 변형을 모두 분석한다. 자연 영상 벤치마크(CIFAR-100)와 임상적으로 어려운 내시(endoscopy) 데이터셋(Kvasir-v2) 전반에서 CTAN은 뛰어난 매개변수 효율을 보여준다: 단 0.27M 매개변수를 갖는 초소형 계층적 모델이 Kvasir-v2에서 90.52\% 정확도를 달성하여, 용량(capacity) 면에서 거의 두 자릿수 차이로 25M+ 베이스라인(ResNet-50, DenseNet-161)을 능가하며, 스케일된 변형은 CIFAR-100에서 80.32\% top-1 정확도에 도달한다.