QPredSGG: Hybrid Quantum Predicate Learning for Long-Tailed Scene Graph Generation

Cet article introduit QPredSGG, un cadre hybride quantique-classique qui remplace la tête de prédicat d'un réseau d'amélioration des caractéristiques causales par une tête de prédicat quantique à haute efficacité de paramètres, atteignant des performances de pointe sur la génération de graphes de scènes à longue traîne en réduisant considérablement la complexité du modèle tout en améliorant le rappel moyen sur l'ensemble de données Visual Genome 150.

L'essentiel

Imaginez que vous regardiez une photographie animée d'un parc. Un ordinateur essayant de comprendre cette image doit faire plus que simplement dire : « Je vois une personne et un cheval. » Il doit comprendre l'histoire : « La personne est en train de monter le cheval. »

Cette tâche est appelée Génération de Graphes de Scènes (Scene Graph Generation). L'ordinateur construit une carte de l'image où les objets sont des points et les relations sont des lignes les reliant.

Le Problème : Le Biais du « Jeune Populaire »

L'article souligne une faille majeure dans la façon dont les ordinateurs apprennent actuellement à faire cela. Ils sont entraînés sur un ensemble de données massif appelé Visual Genome. Dans cet ensemble, certaines relations sont très courantes (comme « sur », « de » ou « dans »), tandis que d'autres sont très rares mais spécifiques (comme « porter » [vêtement], « poursuivre » ou « peindre sur »).

Imaginez cela comme une salle de classe où 90 % des élèves s'appellent « Jean ». Si un professeur demande : « Quel est le prénom le plus courant ? », les élèves répondront presque toujours « Jean ». Même s'il y a un élève nommé « Zephyr » qui est en réalité le plus intéressant de la pièce, les élèves l'ignorent parce que « Jean » est beaucoup plus fréquent.

Dans le monde de l'informatique, cela signifie que l'IA devient très douée pour deviner les relations communes, mais échoue lamentablement sur les relations rares et spécifiques. C'est ce qu'on appelle le Problème de la Longue Traîne (Long-Tail Problem).

La Solution : Un « Spécialiste » Quantique

Les auteurs de cet article, Prerana Ramkumar et son équipe, ont décidé d'essayer quelque chose de nouveau. Au lieu d'utiliser un cerveau informatique géant et lourd pour prendre la décision finale sur les relations, ils ont remplacé cette partie par une minuscule Tête Hybride Quantique.

Voici comment ils ont procédé, en utilisant une analogie :

1. Le Gros Travail (Partie Classique) : Imaginez un bibliothécaire très intelligent (le « backbone CFEN ») qui lit le livre et résume l'histoire. Cette partie reste la même. Elle prend l'information visuelle et crée un résumé long et détaillé (4 096 nombres) sur la relation entre deux objets.
2. Le Spécialiste Quantique (La Nouvelle Partie) : Au lieu de donner ce long résumé à un décideur géant et coûteux, ils le compressent en un minuscule résumé de 16 nombres. Ils injectent ensuite ce petit résumé dans un Circuit Quantique.
   • Considérez le Circuit Quantique comme un filtre magique ou une lentille spécialisée. Il n'a pas besoin d'être immense pour fonctionner. Il utilise les règles étranges de la physique quantique (comme la superposition et l'intrication) pour examiner ces 16 nombres et décider : « Est-ce « monter » ou « porter » ? »
3. Le Résultat : Le spécialiste fait une supposition, et un petit ordinateur classique la vérifie.

Ce Qu'Ils Ont Testé

Les chercheurs ont traité cela comme une expérience scientifique pour trouver le « Spécialiste Quantique » parfait. Ils ont testé :

• Le nombre de « qubits » (bits quantiques) à utiliser : Ils ont essayé 4 et 8.
• La manière de traduire les données : Ils ont essayé différentes méthodes pour transformer les nombres en états quantiques (comme l'« Angle Embedding » vs l'« Amplitude Embedding »).
• La complexité du circuit : Ils ont testé des circuits avec différents nombres de couches.

Les Grandes Victoires

Voici ce qu'ils ont trouvé, en langage clair :

• Petit est Beau : La meilleure version n'utilisait que 4 qubits (la plus petite taille qu'ils aient testée). Elle ne possédait que 96 paramètres entraînables. Pour donner une perspective, le reste du modèle informatique possède des millions de paramètres. La partie quantique est comme un petit chef de cuisine efficace dans une immense cuisine, faisant sa seule tâche de décider de la relation.
• Meilleur sur les choses Rares : Lorsqu'ils ont entraîné le système à prêter une attention particulière aux relations rares (en utilisant une méthode d'entraînement « pondérée » spéciale), la tête quantique est devenue bien meilleure pour repérer les « Zephyr » du monde.
  • Le modèle informatique standard classique réussissait environ 41 % des relations rares.
  • Leur nouveau modèle quantique à 4 qubits a réussi 57 % d'entre elles.
  • Même la version à 8 qubits est restée forte avec 55 %.
• Aucune Perte sur les Choses Communes : Tout en devenant meilleur sur les choses rares, le modèle n'a pas perdu sa capacité à deviner les choses communes (comme « sur » ou « dans »). Il a maintenu sa précision globale élevée.
• Test sur Matériel Réel : Ils ne se sont pas contentés de l'exécuter sur un simulateur ; ils ont réellement fait tourner une version miniature sur un véritable ordinateur quantique (une puce supraconductrice d'IBM). Cela a fonctionné ! Il n'a pas planté ni donné de réponses aléatoires. Il a correctement identifié 6 cas de test sur 9, prouvant que ce minuscule cerveau quantique peut réellement fonctionner sur du matériel réel et bruyant.

Le Compromis

L'article a également noté un bémol. Si vous rendez le circuit quantique trop profond (en ajoutant de nombreuses couches pour le rendre plus « intelligent »), il prend plus de temps à s'exécuter et utilise plus de puissance de calcul. Le « point idéal » était un circuit suffisamment profond pour être intelligent, mais assez superficiel pour être rapide.

Résumé

En bref, cet article montre qu'il n'est pas nécessaire d'avoir un ordinateur quantique massif pour améliorer l'IA. En remplaçant simplement l'étape finale de prise de décision par un module quantique minuscule et efficace, on peut aider l'IA à cesser d'ignorer les relations rares et spécifiques dans les images. C'est comme remplacer une foule bruyante et biaisée par un spécialiste calme et hautement entraîné qui écoute les détails que tout le monde rate.

Résumé technique

Résumé Technique : QPredSGG – Apprentissage de Prédicats Quantiques Hybrides pour la Génération de Graphes de Scènes à Longue Traîne

1. Énoncé du Problème

La génération de graphes de scènes (SGG - Scene Graph Generation) vise à représenter des images sous forme de graphes structurés d'objets (nœuds) et de leurs relations sémantiques (arêtes), généralement exprimées sous la forme de triplets $\langle \text{sujet}, \text{prédicat}, \text{objet} \rangle$. Un goulot d'étranglement critique des systèmes SGG actuels est la distribution à longue traîne des prédicats présents dans les jeux de données comme Visual Genome : les prédicats fréquents et génériques (ex. : « sur », « de », « dans ») dominent les relations annotées, tandis que les prédicats sémantiquement spécifiques sont rares.

Par conséquent, les modèles standards entraînés avec des objectifs conventionnels ont tendance à optimiser le Rappel Global (R@K) en prédisant des classes fréquentes, ce qui se traduit par un faible Rappel Moyen (mR@K) pour les relations rares mais informatives. Bien que les stratégies de correction de biais existantes (ex. : inférence causale, repondération de perte) aient amélioré le rappel moyen, l'étape de classification des prédicats dans les cadres de pointe comme le Causal Feature Enhancement Network (CFEN) repose encore sur de larges perceptrons multicouches (MLP) classiques. Ces modules de décision sont lourds en paramètres, ce qui soulève la question de savoir si un module de décision plus compact pourrait maintenir ou améliorer les performances de reconnaissance de la longue traîne.

2. Méthodologie

Le papier propose QPredSGG, une architecture hybride quantique-classique qui remplace la tête de prédicat classique du squelette (backbone) CFEN par une Tête de Prédicat Quantique (QP-Head). La méthodologie suit un pipeline expérimental en quatre étapes :

• Squelette et Compression de Caractéristiques : Le système utilise le squelette CFEN, qui emploie un BiTreeLSTM (Bidirectional Tree LSTM) pour extraire des plongements de paires contextuelles ($h_{ij} \in \mathbb{R}^{4096}$). Avant le traitement quantique, ces caractéristiques de haute dimension sont projetées via une couche linéaire classique vers un vecteur compressé et compatible avec le quantique (ex. : 16 dimensions pour 4 qubits).
• Architecture Quantique Hybride (QP-Head) :
  • Encodage : Les caractéristiques compressées sont encodées dans un circuit quantique paramétré (PQC) en utilisant soit l'Angle Embedding (mappage des caractéristiques vers des angles de rotation) soit l'Amplitude Embedding (normalisation et mappage vers des amplitudes d'état).
  • Circuit Variationnel : L'état encodé passe par des couches entraînables composées de portes de rotation et de modèles d'enchevêtrement (entangling templates). L'étude évalue deux modèles : les Basic Entangling Layers (BEL) et les Strongly Entangling Layers (SEL).
  • Lecture (Readout) : Le circuit se termine par des mesures produisant des valeurs d'espérance, qui sont injectées dans une couche de lecture classique légère pour générer les logits pour les 51 classes de prédicats.
• Entraînement Sensible au Biais : Pour traiter le déséquilibre de la longue traîne, tous les modèles sont entraînés à l'aide d'une perte de Cross-Entropy Pondérée (WCE). Des poids d'inverse-fréquence sont appliqués, plafonnant le ratio des pénalités classe rare/fréquente à 46$\times$, garantissant que l'optimiseur donne la priorité aux prédicats rares sans déstabiliser l'entraînement.
• Métriques d'Évaluation : La performance est évaluée via le Rappel Global (R@50, R@100) et le Rappel Moyen (mR@50, mR@100). De plus, des métriques spécifiques au quantique sont analysées, incluant l'Expressibilité (divergence KL par rapport à la fidélité de Haar-random) et l'Enchevêtrement (entropie de Von Neumann).

3. Principales Contributions

Le papier expose cinq contributions principales :

1. Tête de Prédicat Quantique Hybride : Introduction de la QP-Head, un circuit quantique paramétré compact remplaçant le MLP classique dans un pipeline SGG, tout en préservant le squelette de caractéristiques relationnelles.
2. Étude d'Architecture Contrôlée : Une évaluation systématique de la QP-Head à travers différents nombres de qubits (4 vs 8), stratégies d'encodage (Angle vs Amplitude), modèles d'enchevêtrement (BEL vs SEL) et profondeurs de circuit (2, 4, 6 couches).
3. Évaluation Sensible au Biais : Analyse de la QP-Head sous un entraînement équilibré des classes pour déterminer si elle améliore la reconnaissance des prédicats rares (mR) plutôt que simplement la performance des classes fréquentes.
4. Analyse de la Qualité et de l'Efficacité Quantique : Corrélation de la performance sémantique avec les diagnostics au niveau du circuit (expressibilité, enchevêtrement) et la surcharge de calcul (nombre de paramètres, temps d'exécution).
5. Validation sur QPU Physique : Exécution de la QP-Head compacte de 4 qubits sur un processeur quantique supraconducteur réel (IBM ibm_fez) pour vérifier la faisabilité au-delà de la simulation d'état (state-vector).

4. Résultats Expérimentaux

Les expériences ont été menées sur le jeu de données Visual Genome 150 (VG-150) sous la configuration de Classification de Prédicats (PredCls).

• Dynamique d'Entraînement : L'entraînement équilibré des classes (WCE) a considérablement amélioré le mR@50 (passant d'environ 0,17 à 0,26) par rapport à la Cross-Entropy standard, sans dégrader le Rappel Global.
• Recherche sur 4 Qubits : Parmi les configurations à 4 qubits, l'Amplitude Embedding avec des Strongly Entangling Layers a donné les meilleurs résultats, atteignant un mR@100 de 57,25 % (contre 41,1 % pour la référence CFEN classique) avec seulement 96 paramètres quantiques entraînables. Cette configuration utilisait une représentation compressée en 16 dimensions.
• Mise à l'échelle vers 8 Qubits : Le passage à 8 qubits (espace d'état de 256 dimensions) a maintenu des performances solides, atteignant un mR@100 de 55,38 % avec 384 paramètres quantiques. Le rappel global est resté stable (R@100 > 0,90).
• Ablation de la Profondeur : Augmenter la profondeur du circuit de 2 à 6 couches a amélioré l'expressibilité (diminution de la divergence KL) mais a augmenté considérablement la latence d'exécution (de ~214ms à ~474ms). La configuration à 4 couches offrait le meilleur compromis entre expressibilité et coût de calcul.
• Efficacité des Paramètres : La composante quantique représentait moins de 0,001 % du total des paramètres du modèle, agissant comme une couche de décision compacte au sommet de l'extracteur de caractéristiques classique.
• Exécution Matérielle : Sur le QPU IBM ibm_fez, le modèle à 4 qubits a traité avec succès 9 triplets de validation, atteignant une précision par lot de 66,67 %. Crucialement, la sortie ne s'est pas effondrée sur une seule classe dominante, préservant la structure discriminante des classes malgré le bruit matériel.
• Comparaison : Les variantes de la QP-Head ont surpassé la référence CFEN classique en mR@100 (57,25 % contre 41,1 %) tout en maintenant un Rappel Global compétitif, en utilisant une fraction des paramètres entraînables requis par la tête classique.

5. Signification et Revendications

Le papier affirme avec modestie que des têtes de prédicats quantiques hybrides compactes peuvent supporter un apprentissage de classification relationnelle à longue traîne efficace en paramètres dans des tâches de raisonnement visuel complexes.

• Pas une Revendication de Supériorité Inconditionnelle : Les auteurs ne revendiquent pas une supériorité quantique généralisée. Ils fournissent plutôt des preuves contrôlées qu'un petit circuit quantique de l'ère NISQ peut servir de module de décision efficace lorsqu'il est intégré dans un pipeline classique établi.
• Faisabilité : Ce travail démontre que les modèles quantiques hybrides peuvent être entraînés dans des environnements simulés et exécutés sur du matériel physique sans s'effondrer vers un comportement aléatoire ou une classe unique, même avec une compression dimensionnelle sévère.
• Praticité : Les résultats suggèrent que les composants quantiques peuvent améliorer le rappel moyen pour les prédicats rares sans introduire de surcharge de paramètres prohibitive, à condition que l'architecture (encodage et enchevêtrement) soit soigneusement ajustée.

L'étude conclut que bien que l'évaluation actuelle soit limitée à la PredCls et à la simulation, la QP-Head représente une direction prometteuse pour l'intégration de composants quantiques hybrides dans la génération de graphes de scènes afin de traiter efficacement le biais de la longue traîne.