ترجمه فارسی مقاله Hyden: بازنمایی چگالی هایپربولیک برای تصاویر و گزارش های پزشکی

چکیده

In light of the inherent entailment relations between images and text, hyperbolic point vector embeddings, leveraging the hierarchical modeling advantages of hyperbolic space, have been utilized for visual semantic representation learning. However, point vector embedding approaches fail to address the issue of semantic uncertainty, where an image may have multiple interpretations, and text may refer to different images, a phenomenon particularly prevalent in the medical domain. Therefor, we propose \textbf{HYDEN}, a novel hyperbolic density embedding based image-text representation learning approach tailored for specific medical domain data. This method integrates text-aware local features alongside global features from images, mapping image-text features to density features in hyperbolic space via using hyperbolic pseudo-Gaussian distributions. An encapsulation loss function is employed to model the partial order relations between image-text density distributions. Experimental results demonstrate the interpretability of our approach and its superior performance compared to the baseline methods across various zero-shot tasks and different datasets.

چکیده به فارسی (ترجمه ماشینی)

با توجه به روابط ذاتی متعهد بین تصاویر و متن ، تعبیه وکتور Hyperbolic Point ، با استفاده از مزایای مدل سازی سلسله مراتبی از فضای هایپربولیک ، برای یادگیری بازنمایی معنایی بصری استفاده شده است.با این حال ، رویکردهای تعبیه کننده بردار نقطه نتوانند مسئله عدم اطمینان معنایی را برطرف کنند ، جایی که ممکن است یک تصویر دارای تفسیرهای متعدد باشد ، و متن ممکن است به تصاویر مختلف اشاره کند ، پدیده ای به ویژه در حوزه پزشکی.از این رو ، ما \ textbf {hyden} را پیشنهاد می کنیم ، یک رویکرد یادگیری متن متن مبتنی بر تراکم بیش از حد جدید تعبیه شده متناسب با داده های دامنه پزشکی خاص.این روش ویژگی های محلی آگاه از متن را در کنار ویژگی های جهانی از تصاویر ، نقشه برداری از ویژگی های متن تصویر به ویژگی های چگالی در فضای هایپربولیک از طریق استفاده از توزیع های شبه گاوسی هایپربولیک.یک عملکرد از دست دادن کپسوله سازی برای مدل سازی روابط سفارش جزئی بین توزیع تراکم متن تصویر استفاده می شود.نتایج تجربی تفسیر رویکرد ما و عملکرد برتر آن را در مقایسه با روشهای پایه در کارهای مختلف صفر و مجموعه داده های مختلف نشان می دهد.