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

Sintesi Tecnica: QPredSGG – Apprendimento di Predicati Quantistici Ibridi per la Generazione di Grafi di Scena a Coda Lunga

1. Definizione del Problema

La Generazione di Grafi di Scena (SGG) mira a rappresentare le immagini come grafi strutturati di oggetti (nodi) e delle loro relazioni semantiche (archi), tipicamente espressi come triplette $\langle \text{soggetto}, \text{predicato}, \text{oggetto} \rangle$. Un collo di bottiglia critico per gli attuali sistemi SGG è la distribuzione a coda lunga dei predicati presenti in dataset come Visual Genome: i predicati frequenti e generici (ad es., "su", "di", "in") dominano le relazioni annotate, mentre i predicati semanticamente specifici sono rari.

Di conseguenza, i modelli standard addestrati con obiettivi convenzionali tendono a ottimizzare il Global Recall (R@K) prevedendo classi frequenti, il che si traduce in un scarso Mean Recall (mR@K) per le relazioni rare ma informative. Sebbene le strategie di debiasing esistenti (ad es., inferenza causale, riponderazione della perdita) abbiano migliorato la media del recall, la fase di classificazione del predicato nei framework allo stato dell'arte come il Causal Feature Enhancement Network (CFEN) si affida ancora a grandi MLP (Multi-Layer Perceptrons) classici. Questi moduli decisionali sono pesanti in termini di parametri, sollevando il quesione se un modulo decisionale più compatto possa mantenere o migliorare le prestazioni di riconoscimento della coda lunga.

2. Metodologia

Il documento propone QPredSGG, un'architettura ibrida quantistico-classica che sostituisce l'head del predicato classico nel backbone CFEN con un Quantum Predicate Head (QP-Head). La metodologia segue una pipeline sperimentale in quattro fasi:

• Backbone e Compressione delle Caratteristiche: Il sistema utilizza il backbone CFEN, che impiega un Bidirectional Tree LSTM (BiTreeLSTM) per estrarre embedding di coppia contestuali ($h_{ij} \in \mathbb{R}^{4096}$). Prima dell'elaborazione quantistica, queste caratteristiche ad alta dimensionalità vengono proiettate tramite uno strato lineare classico in un vettore compresso e compatibile con il quantum (ad es., 16 dimensioni per 4 qubit).
• Architettura Quantistica Ibrida (QP-Head):
  • Codifica (Encoding): Le caratteristiche compresse sono codificate in un circuito quantistico parametrizzato (PQC) utilizzando l'Angle Embedding (mappatura delle caratteristiche in angoli di rotazione) o l'Amplitude Embedding (normalizzazione e mappatura nelle ampiezze di stato).
  • Circuito Variazionale: Lo stato codificato passa attraverso strati addestrabili composti da gate di rotazione e template di entanglement. Lo studio valuta due template: Basic Entangling Layers (BEL) e Strongly Entangling Layers (SEL).
  • Readout: Il circuito termina con misurazioni che producono valori di aspettativa, i quali vengono alimentati in un leggero strato di readout classico per generare i logit per le 51 classi di predicati.
• Addestramento Consapevole del Bias (Bias-Aware Training): Per affrontare lo squilibrio della coda lunga, tutti i modelli sono addestrati utilizzando la perdita Weighted Cross-Entropy (WCE). Vengono applicati pesi di frequenza inversa, limitando il rapporto tra le penalità delle classi rare e frequenti a 46$\times$, garantendo che l'ottimizzatore dia priorità ai predicati rari senza destabilizzare l'addestramento.
• Metriche di Valutazione: Le prestazioni sono valutate tramite Global Recall (R@50, R@100) e Mean Recall (mR@50, mR@100). Inoltre, vengono analizzate metriche specifiche del quantum, inclusi l'Espressività (divergenza KL dalla fedeltà Haar-random) e l'Entanglement (entropia di Von Neumann).

3. Contributi Chiave

Il documento delinea cinque contributi primari:

1. Hybrid Quantum Predicate Head: Introduzione del QP-Head, un circuito quantistico parametrizzato compatto che sostituisce l'MLP classico in una pipeline SGG, preservando il backbone delle caratteristiche relazionali.
2. Studio Controllato dell'Architettura: Una valutazione sistematica del QP-Head attraverso conteggi di qubit (4 vs. 8), strategie di codifica (Angle vs. Amplitude), template di entanglement (BEL vs. SEL) e profondità del circuito (2, 4, 6 strati).
3. Valutazione Consapevole del Bias: Analisi del QP-Head sotto addestramento bilanciato per classe per determinare se migliori il riconoscimento dei predicati rari (mR) piuttosto che solo le prestazioni delle classi frequenti.
4. Analisi della Qualità e dell'Efficienza Quantistica: Correlazione delle prestazioni semantiche con le diagnostiche a livello di circuito (espressività, entanglement) e l'overhead computazionale (numero di parametri, tempo di esecuzione).
5. Validazione su QPU Fisica: Esecuzione del QP-Head compatto a 4 qubit su un vero processore quantistico superconduttore (IBM ibm_fez) per verificare la fattibilità oltre la simulazione dello stato vettoriale.

4. Risultati Sperimentali

Gli esperimenti sono stati condotti sul dataset Visual Genome 150 (VG-150) sotto l'impostazione di Classificazione del Predicato (PredCls).

• Dinamiche di Addestramento: L'addestramento bilanciato per classe (WCE) ha migliorato significativamente l'mR@50 (da ~0,17 a ~0,26) rispetto alla Cross-Entropy standard, senza degradare il Global Recall.
• Ricerca a 4 Qubit: Tra le configurazioni a 4 qubit, l'Amplitude Embedding con Strongly Entangling Layers ha fornito le migliori prestazioni, raggiungendo un mR@100 del 57,25% (rispetto al 41,1% del riferimento classico CFEN) con soli 96 parametri quantistici addestrabili. Questa configurazione ha utilizzato una rappresentazione compressa a 16 dimensioni.
• Scalabilità a 8 Qubit: La scalabilità a 8 qubit (spazio di stato a 256 dimensioni) ha mantenuto prestazioni elevate, raggiungendo un mR@100 del 55,38% con 384 parametri quantistici. Il Global Recall è rimasto stabile (R@100 > 0,90).
• Ablazione sulla Profondità: L'aumento della profondità del circuito da 2 a 6 strati ha migliorato l'espressività (minore divergenza KL) ma ha aumentato significativamente la latenza di esecuzione (da ~214ms a ~474ms). La configurazione a 4 strati ha offerto il miglior compromesso tra espressività e costo computazionale.
• Efficienza dei Parametri: Il componente quantistico ha rappresentato meno dello 0,001% dei parametri totali del modello, agendo come un compatto strato decisionale sopra l'estrattore di caratteristiche classico.
• Esecuzione sull'Hardware: Sulla QPU IBM ibm_fez, il modello a 4 qubit ha elaborato con successo 9 triplette di validazione, ottenendo un'accuratezza di batch del 66,67%. Fondamentalmente, l'output non è collassato verso una singola classe dominante, preservando la struttura discriminante delle classi nonostante il rumore dell'hardware.
• Confronto: Le varianti del QP-Head hanno superato il riferimento classico CFEN nell'mR@100 (57,25% vs. 41,1%) mantenendo un Global Recall competitivo, utilizzando una frazione dei parametri addestrabili richiesti dall'head classico.

5. Significato e Rivendicazioni

Il documento afferma con moderazione che head di predicato quantistici ibridi e compatti possono supportare l'apprendimento di relazioni a coda lunga in modo efficiente nei parametri in compiti complessi di ragionamento visivo.

• Non una rivendicazione di superiorità incondizionata: Gli autori non rivendicano una generale superiorità quantistica. Invece, forniscono prove controllate che un piccolo circuito quantistico dell'era NISQ può fungere da efficace modulo decisionale quando integrato in una pipeline classica consolidata.
• Fattibilità: Il lavoro dimostra che i modelli quantistici ibridi possono essere addestrati in ambienti simulati ed eseguiti su hardware fisico senza collassare verso un comportamento casuale o di singola classe, anche con una severa compressione dimensionale.
• Praticità: I risultati suggeriscono che i componenti quantistici possono migliorare il recall medio per i predicati rari senza introdurre un overhead di parametri proibitivo, a condizione che l'architettura (codifica e entanglement) sia attentamente calibrata.

Lo studio conclude che, sebbene l'attuale valutazione sia limitata a PredCls e alla simulazione, il QP-Head rappresenta una direzione promettente per integrare componenti quantistici ibridi nella generazione di grafi di scena per affrontare efficientemente il bias della coda lunga.