Quantizzazione Iper-Sferica per Rappresentazioni Visive Discrete

Un recente preprint su arXiv (2607.22148) presenta la Quantizzazione Iper-Sferica (HSQ) come soluzione al problema del collasso del codebook nella discretizzazione di dati visivi ad alta dimensionalità. Gli autori individuano la causa del problema in una discrepanza metrica tra gli obiettivi euclidei tipici e la natura anisotropa dello spazio di rappresentazione, che produce distribuzioni angolari inconsistenti e scale di magnitudo ad alta varianza. HSQ utilizza un routing angolare per separare il contenuto semantico dalla magnitudo delle caratteristiche, evitando così assegnazioni di codice eccessivamente influenzate dalla scala. Di conseguenza, l'Autoencoder di Rappresentazione Discreta (dRAE) è in grado di ottenere ricostruzioni di alta qualità mantenendo la coerenza semantica e supportando budget di codebook scalabili.