arXiv cs.AI· Iago Brito, Walcy Rios, Lucas Fernandes, Kaiki de Oliveira, Arlindo Galv\~ao Filho·· 3 天前AI 评分24
共享隐空间为何未必兼容？Motion VAE 中的直接兼容性与可恢复对应关系
What Makes a Latent Space Shared? Direct and Recoverable Compatibility in Motion VAEs
AI 导读
在 HumanML3D 上的多 schema 运动 VAE 实验显示，即使输入完全相同，原始 Recall@1 仅为 5.9%–17.7%，配对 token 余弦相似度为 0.221–0.484，但经线性校准后对应关系几乎可完美恢复。
正文 · AI 翻译
摘要：人们通常假设共享潜在空间能使来自不同 schema 的表示直接互换，然而共享参数、维度或先验并不能决定对应实例在潜在坐标中如何表达。我们表明，这一假设混淆了可恢复的对应关系、直接兼容性和解码器复用。在 HumanML3D 上受控的多 schema 运动 VAE 中，即使输入完全相同，原始 Recall@1 也仅为 $5.9$--$17.7\%$，配对 token 余弦相似度仅为 $0.221$--$0.484$，尽管在线性校准后对应关系几乎可以完美恢复。循环一致性增强了可恢复性，但直接检索和 token 一致性仍接近于零。相比之下，仅 $64$ 对配对片段就将原始 Recall@1 提升至 $88.4$--$90.3\%$，token 余弦相似度提升至约 $0.82$，使得大多数事后对齐变得不必要，尽管交叉解码仍显著差于原生重建。我们进一步发现，降低测得的边际差异并不意味着 schema 不变性。这些结果表明，共享骨干或先验并不能确保潜在坐标直接兼容，而在所测试的设置中，有限的配对对应关系可以显著提升直接兼容性。
| 主题： | 人工智能（cs.AI）；计算机视觉与模式识别（cs.CV） |
| 引用为： | arXiv:2610.17376 [cs.AI] |
| （或使用 arXiv:2610.17376v1 [cs.AI] 查看此版本） | |
| https://doi.org/10.48550/arXiv.2610.17376 由 DataCite 颁发的 arXiv DOI（待注册） |
提交历史
来自：Iago Brito [查看邮箱]
[v1]
2026年10月12日星期一 20:35:20 UTC（290 KB）
来源：arXiv cs.AI · arxiv.org