Publications

発行物一覧

以下はすべて、CERNが運営する無料の恒久的な学術リポジトリ Zenodoで公開しています。各エントリにはDOI（デジタルオブジェクト 識別子）が付与されており、何年経っても確実に見つけ・引用できる 恒久的な参照番号です。詳しくはよくある質問を 参照してください。

このシリーズは報告書が完成した順に連番（DOI 1.0、1.1、1.2…）が 振られており、以下では新しい順に並んでいます。ある報告書が 以前のものを訂正・補足する場合は、その旨を両方のエントリに 明記しています。訂正の全履歴は、このページ下部の「訂正の系譜」 にまとめてあります。

各エントリには、実際に使用したSQLクエリ、元データの暗号学的 ハッシュ値、そして（比較的新しい報告書では）そのクエリが 実際に実行される様子を録画した未編集の動画が含まれており、 公開しているすべての数値を独立に検証できるようになっています。

プレプリント

• SSRN Closed-Form Critical Points of SSIM: Deriving and Validating the Boundaries of Metric Reliability SSRN, abstract=7291266

技術報告書シリーズ（Zenodo, DOI 1.0〜1.21）

• DOI 1.212026-10-10σ_gt/μ_gtのDistinct値数を測る、より高精度なパイプライン詳細 ▾閉じる ▴

  GT画像の8bit量子化により、σ_gt/μ_gt は有限個の値しか取らない——この性質自体は正しい。しかし、 Technical Report v1.16/v1.18/v1.19が報告した具体的な数字 (σ_gt約230万種類・μ_gt 68,649 種類)は、量子化そのものとは別の問題、すなわち浮動小数点 加算の非結合則による「影の重複」(同じ真の値が、計算経路の わずかな違いにより別々のビットパターンとして記録されて しまう現象)により、約1.95倍(σ_gt)・約4.2倍 (μ_gt)水増しされていたことが判明した。本稿は この現象の発生機序を具体例とともに示し、隣接gap分析による 許容誤差付きの数え方(LAG方式)を用いて、量子化に由来する 真のdistinct値数(σ_gt≈118万・ μ_gt≈16,320)を算出する、より高精度な パイプラインを提示する。4モデル全部で真の値が完全に一致 することも確認済み。

  収録物：PDF報告書（EN/JA）、実行動画10本、検証用SQL10本、DB構築用Pythonスクリプト2本、ファイルハッシュ。

  Zenodoで全文を見る：https://doi.org/10.5281/zenodo.23271571

• DOI 1.20.12026-09-29GTなしのStructural Maskingリスク二値分類器詳細 ▾閉じる ▴

  本シリーズが独立に測定している8つの品質特徴量 (Technical Report v1.8)の1つcomp_contrastは、本シリーズが σ_gt/σ_nottaに一貫して 用いている[0,1]正規化スケールではなく、生の8bitピクセル スケール(0〜255)で計算されたRMSコントラストであることが 判明した——255で割ることでcomp_contrast_gtから σ_gtを厳密に復元でき、4モデル全部の完全な σ_gt≤0.16母集団(各81,564,041ブロック) で誤差ゼロである。同じ構成により、 comp_contrast_notta/255はσ_nottaの 近似ではなく、厳密な、代数を用いない実測値となる (以前検討していた候補手法——解の選択が曖昧になる二次方程式 による逆算——とは異なる)。単一の未調整閾値 σ_notta≤σ_statは、 4モデル全部でStructural Maskingリスクを98.83〜99.53% の正解率、マスキング領域側の再現率99.09〜99.95%で分類 する。少数派である非マスキングクラスの再現率はそれより 低く、モデル依存である(42.79〜78.76%)： σ_nottaを厳密に測定しているため、この ギャップは測定誤差ではなく、実際の再構成のふるまいを 反映している。

  専門知識がなくても読める解説：GTなしでSSIMの弱点を見抜く

  収録物：PDF報告書（EN/JA）、実行動画1本、検証用SQL(統合スクリプト)、解説Markdown（EN/JA）、ファイルハッシュ。

  Zenodoで全文を見る：https://doi.org/10.5281/zenodo.23023733

• DOI 1.202026-09-26GTなしのAmplification Phaseリスク二値分類器詳細 ▾閉じる ▴

  本シリーズはこれまでに、μ_statを、 SSIMのAmplification Phase (輝度項が正解画像の平均輝度μ_gtと復元結果 自身の平均輝度μ_nottaの間の小さな絶対誤差に 対して過敏になる領域)を画するモデル固有・実験較正済みの 遷移点として確立してきた。あるブロックがこの領域に該当 するかどうかを診断するには、これまでμ_gt そのもの——すなわち正解画像(GT)——が必要だった。本レポート は、GTなしの代替手法を検証する：問いを値推定でなく二値 分類(このブロックは危険か否か)として立て直すと、 μ_gtの8bit量子化に由来する識別不可能性の 問題を回避できる。フィッティングを一切行わない単一の 閾値μ_notta ≤ μ_stat (μ_notta自体はSSIMの保存済み成分から代数的 に逆算)は、4モデル全部でAmplification Phaseリスクを 96〜100%の正解率で分類でき、再現率も一貫して99.5%以上 だった。

  専門知識がなくても読める解説：GTなしでSSIMの弱点を見抜く

  収録物：PDF報告書（EN/JA）、実行動画1本、検証用SQL(統合スクリプト＋元の探索用スクリプト4本)、ファイルハッシュ。

  Zenodoで全文を見る：https://doi.org/10.5281/zenodo.22968572

• DOI 1.19.12026-09-19任意データセットで再利用できるDBパイプラインの公開詳細 ▾閉じる ▴

  Technical Report v1.12からv1.16まで、本シリーズの数値を 実際に生成したコード一式（build_notta_tta_comp_db.py・ heatmap_tool.py）を、2026-09-01時点の状態の まま無編集で公開する。本シリーズで公開してきた数式・ 手法を読めば理論上は誰でも同等のコードを自作できるはず だが、それを一から実装する手間をかけられない人のために、 実際に動くコードをそのまま提供する。任意のGT／notta／ tta画像フォルダを指定してDuckDBデータベースを構築できる 汎用的な作りになっており、自分自身のデータセット・自分 のモデルで同じ調査を自由に行える。構築したDBに対する SQLクエリの例は本シリーズの他のTechnical Reportを参照。 ハードコードされた値（σ_stat）を含め、 自分の用途に合わせて自由に改良して使ってほしい。

  収録物：PDF報告書（EN/JA）、Pythonスクリプト2本、実行動画1本、requirements.txt、LICENSE。

  サイト内の解説：docs/build_notta_tta_comp_db.html(DB構築コードの初心者向け解説もあわせて参照)

  Zenodoで全文を見る：https://doi.org/10.5281/zenodo.22838600

• DOI 1.192026-09-022つの離散性の主張についての4モデル動画証拠補遺詳細 ▾閉じる ▴

  これは補遺であり、訂正ではない——DOI 1.16やDOI 1.18の 数値は一切変わらない。両レポートとも、GT側だけに依存する 量（DOI 1.16のσ_gt、DOI 1.18の μ_gt）が、どのモデルの復元結果にも依存しない ため4モデル全部で同一の量子化になると述べている——しかし この主張自体は、本シリーズが通常求める画面録画・ハッシュ による証拠には裏付けられていなかった。DOI 1.16の本文は 想定として述べただけでクロスチェックは一切していない。 DOI 1.18の本文はそれを改善したと主張していた（実際に StandardとSwinIRを比較した）が、4モデルのうち2モデルに しか及んでいなかった。本補遺は両方 の欠落を同時に埋める：それぞれの量について同一のクエリを 4モデル全部に対して1本の連続した画面録画として実行し、 Standard・SwinIR・Upscayl High-Fidelity・Digital-Artの 全部でバイト単位で完全に一致することを確認した。

  収録物：PDF報告書（EN/JA）、画面録画2本、SQLファイル2本、ハッシュ値。

  サイト内のSQL解説：docs/sql/doi-1-19.html

  Zenodoで全文を見る：https://doi.org/10.5281/zenodo.22252098

• DOI 1.182026-09-01SSIMの部分項の描像を完成させる：輝度項詳細 ▾閉じる ▴

  SSIMの構造項Sと コントラスト項Cは、画像の中身にかかわらずある条件のもとで 厳密に1に固定されることが既に示されている（DOI 1.11・ 1.15・1.16）。本レポートは、SSIMの3つ目にして最後の 乗算項である輝度Lについて、この描像を完成させる： これまで書かれていなかった証明により、 μ_gt=μ_notta のとき、かつそのときに限りL=1になることを示す——コント ラスト項の定理をそのまま鏡写しにした数学的な同値関係 である。4モデル全部で実在するμ_gt= μ_nottaの一致を検索すると、全ブロックの 0.218%〜6.512%という頻度で見つかり、その大半は本当に 中身が違うのに平均輝度だけたまたま一致したもの； μ_gtはσ_gtよりもさらに鋭く 量子化されていることも示された。4モデルのうち2つでは、 L=1が厳密に成り立っているのに集計SSIMスコアが負になる 具体的なブロックが存在する——1つの部分項の偶然の一致は、 残りの項が同時に劣化していれば何の保護にもならない。 最後に、本レポートはさらに残っていた問いを閉じる： L・C・Sはそれぞれ厳密に1が上限かつ厳密に正の値なので、 その積が厳密に1になるのは3つとも1のときに限られる—— つまり中身が違う画像コンテンツで3項が偶然同時に揃う ことは、観測されていないだけでなく代数的に不可能である。 直接確認：4モデル合計でSSIM=1.0がちょうど成り立つ 4,734,946ブロックのうち、1,442件（すべてSwinIR、浮動 小数点の丸め誤差と診断・無害と確認済み）を除いて3項とも ビット単位で厳密に1.0だった。

  収録物：PDF報告書（EN/JA）、画面録画3本、SQLファイル6本、ハッシュ値。

  サイト内のSQL解説：docs/sql/doi-1-18.html

  Zenodoで全文を見る：https://doi.org/10.5281/zenodo.22230202

• DOI 1.162026-08-20マスキング恒等式をσ_gt=0を超えて一般化する詳細 ▾閉じる ▴

  Technical Report v1.11は、SSIMの構造項Sが σ_gt=0である限り厳密に1に等しくなる ことを証明した。Technical Report v1.15は、これをSSIMの コントラスト項Cにまで拡張し、σ_gt= σ_nottaである限り——ゼロに限らず——Cが 厳密に1に等しくなることを証明した。本レポートは、この 結果を2つの方向で完成させる：C=1が単なる相関ではなく 数学的に同値であることのこれまで書かれていなかった 逆方向の証明、そして4モデル全部のデータベースを直接 検索し、ゼロから離れた場所でもσ_gt= σ_nottaの一致が実在する頻度（全ブロックの 0.019%〜0.342%）で起きていることを発見——その大半は たまたま同じ分散を共有しているだけの、本当に中身が違う 画像コンテンツである。原因は8bit画素量子化に遡ることが 確認された：1モデルあたり79,321,389ブロックのうち、 異なるσ_gtの値はわずか2,308,415種類 しか存在せず、76.1%のブロックは自分の厳密な値を100件 以上の他のブロックと共有している。

  収録物：PDF報告書（EN/JA）、画面録画1本、SQLファイル3本、ハッシュ値。

  サイト内のSQL解説：docs/sql/doi-1-16.html

  Zenodoで全文を見る：https://doi.org/10.5281/zenodo.22029346

• DOI 1.152026-08-19逆方向の検証：特徴量が一致すればSSIM=1.0を保証するか詳細 ▾閉じる ▴

  Technical Report v1.13は、SSIMスコアが一致すれば中身も 一致するかを検証し、常にそうとは限らないことを示した。 本レポートはその逆を検証する：ある復元結果の8つの comp_*特徴量がground truth自身の特徴量と完全に一致 しているとき、SSIMは依然として1.0のままか？ 答えは 再び「条件付きでyes」となる：SwinIRは99.97%がSSIM=1.0 だが、Upscayl High-Fidelityは特徴量一致ブロックの 63.05%がSSIM<0.5である。機構を追跡すると：SSIMの コントラスト項Cはσ_gt=σ_notta である限り厳密に1.0に等しくなることが——代数的に—— 証明され（新しい一般定理）、構造項Sも全域でほぼ1.0に 近い値を取る。自由に変動できるのは輝度項Lだけであり、 その変動幅こそが観測されたスコアの乖離の正体である。 根本原因：8つのcomp_*特徴量はそもそも輝度を一切測って いない。v1.13とあわせて、両方向の議論が完成する—— SSIMスコアの一致もcomp_*特徴量の一致も、単独では互いを 保証しない。

  収録物：PDF報告書（EN/JA）、画面録画1本、SQLファイル6本、ハッシュ値。

  サイト内のSQL解説：docs/sql/doi-1-15.html

  Zenodoで全文を見る：https://doi.org/10.5281/zenodo.22013446

• DOI 1.142026-08-19Failure Fingerprint統計量の4モデル検証詳細 ▾閉じる ▴

  Technical Report v1.10・v1.12への正誤表・補遺。4モデル すべてについてFailure Fingerprintの訂正を完了する。 Standardのσ_statは0.0800から0.101に訂正 される（v1.12を確認するもの）；SwinIRとDigital-Artは両軸 とも完全に無傷であることを確認した；Upscayl High-Fidelity は両軸とも大きく影響を受けている——μ_statは 0.1400から0.0100に、σ_statは0.0800から 0.0860に訂正される。同一の影響パターンを示すモデルは 1つもなく、このバグの帰結が単一の修正可能な定数ではなく モデル固有であることを確証している。訂正後のHigh-Fidelity とSwinIRのμ_stat値の数値的な一致も調査し、 分割アルゴリズム自身の境界条件のアーティファクトであり 本物のクロスモデルの繋がりではないと結論づけた。v1.12と あわせて、元のJOINベースのパイプラインが実在するモデル 固有のリスクを抱えていたこと、新しいJOINなしのパイプ ラインが実証済みの訂正手段であることを示す。

  収録物：PDF報告書（EN/JA）、画面録画2本、検証用SQL、ハッシュ値。

  サイト内のSQL解説：docs/sql/doi-1-14.html

  Zenodoで全文を見る：https://doi.org/10.5281/zenodo.22012409

• DOI 1.132026-08-16同一スコア・content一致性の2つの実証詳細 ▾閉じる ▴

  SSIMは3つの乗法的な成分（L·C·S）を1つの数値に 集約する——構造上、情報が失われる圧縮である：中身が違う2つの ブロックが、同じスコアを共有することがありうる。本レポートは、 この理論上の可能性が実際に問題になるかどうかを、データセット 全体の規模で、摂動の大きさを変えて2通りに独立に検証する。 Finding 1（同一モデル、TTAの有無）：4つのモデルのうち3つは ほぼ常に一致する（98.75%–99.28%）が、4つ目（Upscayl High-Fidelity）だけ94.21%にとどまる。Finding 2（異なる モデル間、同じ座標）：SSIMが厳密に完全一致するケースに 絞ると、特徴量の一致率はHigh-Fidelityが絡まない3ペアで 99.85%–99.98%だが、絡む3ペアでは67.14%–81.93%にとどまる。 両方の検証は同じ結論に収束する：SSIMスコアの一致は、それ だけでは中身の一致を保証しない——そしてUpscayl High-Fidelity は、一貫して4モデル中最も予測しにくいモデルである。

  収録物：PDF報告書（EN/JA）、画面録画3本、SQLファイル17本、ハッシュ値。

  サイト内のSQL解説：docs/sql/doi-1-13.html

  Zenodoで全文を見る：https://doi.org/10.5281/zenodo.21960019

• DOI 1.122026-08-11σ_stat訂正版詳細 ▾閉じる ▴

  Technical Report v1.10への正誤表・補遺。Upscayl Standardに ついて報告した実測テクスチャ軸遷移点σ_statを 訂正するものである。この値は、後にデータ整合性のバグが 判明したデータベースに対して計算されたものだった——comp_* 特徴量抽出処理が別の、非ゼロのブロックの値を誤った行に 付け替えるもので、既存のis_comp_zeroフラグでは検出できない、 もっともらしいが誤った数値を生み出していた。Upscayl Standard とSwinIRの両方について、独立した新規構築の検証用データベース （JOINのステップを一切介さない）を構築し、元の手法を厳密に 再現してσ_statを再導出した。結果：Upscayl Standardのσ_statは0.0800から0.101（+0.021）に 訂正される。SwinIRのσ_statは0.0800のまま無傷 であることを確認した。両モデルとも、新しいデータベースに 対するライブSQL実行によって検証し、ハッシュによる検証も 行った。Upscayl High-FidelityとDigital-Artは本レポートの 対象範囲外である。

  収録物：PDF報告書（EN/JA）、画面録画2本、SQLファイル4本、ハッシュ値。

  サイト内のSQL解説：docs/sql/doi-1-12.html

  Zenodoで全文を見る：https://doi.org/10.5281/zenodo.21894585

• DOI 1.12.12026-08-12SSIM=1.0推移律の検証用SQL補遺詳細 ▾閉じる ▴

  補遺であり、訂正ではない——DOI 1.12の数値は一切変わらない。 同レポートのSection 4.4は、Pixel Identity Theoremの系をクロスチェックとして使っていた： SSIM(GT,NOTTA)=1.0とSSIM(GT,TTA)=1.0が同時に成り立つ ブロックは、両側ともGTとピクセル完全一致であることが 強制され、したがって互いにも完全一致する。DOI 1.12の本文 はこれがUpscayl Standardで例外ゼロ（702,108ブロック）で 成り立つことを報告していたが、その背後にあるSQLは同 レポートの収録物には含まれておらず、SwinIR側の数値も 示されていなかった。本補遺はそのSQLを追加し、再実行して 確認した上で、DOI 1.12自身の2モデルの対象範囲に合わせて SwinIR側にも検証を拡張——2,657,100ブロックで同じパターン、 こちらも例外ゼロであることを確認した。

  収録物：PDF報告書（EN/JA）、画面録画2本、SQLファイル4本、ハッシュ値。

  Zenodoで全文を見る：https://doi.org/10.5281/zenodo.21903024

• DOI 1.112026-08-07マスキング盲点の定理詳細 ▾閉じる ▴

  本報告書は、SSIMにおける閉形式の恒等式を証明する：ground-truth 画像ブロックが完全に平坦なとき（σ_gt=0）、 SSIMの構造項Sは、再構成ブロックの内容に関わらず、数式的に 厳密に1を強制される——これは近似ではなく、共分散の定義式から 導かれる厳密な代数的帰結である。本プロジェクトの評価用 データベース全体（4モデル・noTTA・TTA全てを合わせて 655,884,288ブロック）に含まれる、全てのσ_gt=0ブロック—— 19,688,824ブロック——について検証し、8つ全てのモデル×モードの 組み合わせで例外がゼロであることを確認した。そのうえで、この 盲点が適用されるブロックに、実際に復元結果が非自明な幻覚 ディテールを配置しているかどうかを検証する。実際に配置して おり、しかもモデルによってその程度は大きく異なる：Upscayl High-Fidelityの平坦GT母集団は、SwinIRの最大値のほぼ23倍の 幻覚ディテールを示す——これはSには数式的に検知しようがない 差である。

  収録物：PDF報告書（EN/JA）、画面録画1本、検証用SQL、ハッシュ値。

  サイト内のSQL解説：docs/sql/doi-1-11.html

  Zenodoで全文を見る：https://doi.org/10.5281/zenodo.21837260

• DOI 1.102026-07-29C1/C2/C3定数バグの訂正版 DOI 1.0/1.4/1.9/1.9.1の統合修正詳細 ▾閉じる ▴

  Technical Report v1.0、v1.4、v1.9、v1.9.1への正誤表・補遺。 プロジェクト発足時からデータベース生成パイプライン全体で 使用されていたSSIM安定化定数C1、C2、C3の実装上の誤りを訂正し、 理論的臨界点μc・σcに依存する上記4文書中のすべての値を 再計算するものである。これらの定数は、標準的なWang et al. (2004)の慣例Ci=(KiL)²が要求する二乗を欠いており、 正しい値よりそれぞれおよそ100倍・33倍大きかった。訂正後は μc≈0.0071、σc≈0.0212（従来は μc≈0.0707、σc≈0.1225と報告）となる。 影響を受けた4モデルはすべて全数（モデルあたり5,004枚・ 163,971,072ブロック）で再生成し、ライブSQL実行・スクリーン 録画・ハッシュ検証によって再検証済みである。この全数再生成の 過程で判明した、もう一つの独立した発見——テクスチャ軸における σ_gt≈0.16を超えた領域でのコンテンツ 母集団の断絶——についても、本文書内で記述・訂正している。

  収録物：PDF報告書（EN/JA）、画面録画4本、検証用SQL、Pythonスクリプト2本、ハッシュ値。

  サイト内のSQL解説：docs/sql/doi-1-10.html

  Zenodoで全文を見る：https://doi.org/10.5281/zenodo.21658621

• DOI 1.9.12026-07-20High-Fidelity・Digital-ArtのFailure Fingerprint可視化プロット DOI 1.9の補遺；後にDOI 1.10へ統合修正詳細 ▾閉じる ▴

  Technical Report v1.9で既に検証済みのΔμ／ Δσ値を、DOI 1.0で確立した理論的 臨界点 μ_c・σ_cとの関係で可視化 する補遺で、2つの単純な三角関数的な導出量（軸角度・ ベクトル間角度）を追加している。新しいデータは一切 導入されておらず、既存の検証済みの数値を図示したもの にすぎない。

  収録物：PDF報告書（EN/JA）、ハッシュ値。

  Zenodoで全文を見る：https://doi.org/10.5281/zenodo.21445635

• DOI 1.92026-07-19Failure Fingerprint値のライブSQL検証（High-Fidelity／Digital-Art） 後にDOI 1.10へ統合修正詳細 ▾閉じる ▴

  さらに2つのモデル——Upscayl High-Fidelity（1億4,280万 ブロック）とUpscayl Digital-Art（1億6,400万ブロック） ——について、データセット統計量とFailure Fingerprint値 を、元データに対するライブSQL実行によって計算・記録する。 値が後から捏造・調整されたものではないことの直接証拠 として、無編集の画面録画を添付している。

  収録物：PDF報告書（EN/JA）、画面録画2本、検証用SQL、ハッシュ値。

  サイト内のSQL解説：docs/sql/doi-1-9.html

  Zenodoで全文を見る：https://doi.org/10.5281/zenodo.21433900

• DOI 1.82026-07-19comp_*特徴量フレームワーク：定義と実装詳細 ▾閉じる ▴

  8×8の画像ブロックそれぞれから抽出する、8つのブロック 単位品質特徴量（および補助的な2つの周波数領域記述子） の手法を正式に文書化する——これらの特徴量は、それまで リファレンスコードの中にしか存在せず、文書化された 仕様としては存在していなかった。本シリーズ全体を通じて 参照され、技術基盤ページ でも説明しているcomp_*特徴量フレームワークの、定義の 出典となるレポートである。

  収録物：PDF報告書（EN/JA）、ハッシュ値。

  Zenodoで全文を見る：https://doi.org/10.5281/zenodo.21433447

• DOI 1.72026-07-18Axis5の崩壊強度とAxis1極性によるTier3状態分布詳細 ▾閉じる ▴

  4つのアーキテクチャの異なるAI超解像モデルについて、 Axis5（マハラノビス距離ベースの崩壊強度指標）の特徴量 の重みと、Axis1の極性分類によってTier3状態分布がどう 変わるかを調べる。5,004枚の胸部X線画像から得たおよそ 8,200万ブロックを、SwinIR・Real-ESRGANを含む4つの アップスケーリングアーキテクチャにわたって扱い、 精度を担保するため全データを再導出している。

  収録物：PDF報告書（EN/JA）、画面録画4本、Pythonスクリプト2本、ハッシュ値。

  サイト内のSQL解説：docs/sql/doi-1-7.html

  Zenodoで全文を見る：https://doi.org/10.5281/zenodo.21425511

• DOI 1.62026-03-17Tier3分類の網羅性、DOI 1.0〜1.6の研究概観付き詳細 ▾閉じる ▴

  4状態のブロック分類（Stable・Persistent・Escape・ BlindSpot）が、81.9百万ブロックのデータベース全体、 4モデル全部、TTAなし・TTAあり両条件にわたって完全 （100%）に網羅されていることを、矛盾する割り当てが ないことを確認する3つの独立したSQL診断チェックで検証 する。あわせて、DOI 1.0〜1.6シリーズ全体を4つの研究 段階にマッピングし、バージョン間の訂正関係を明示的に 文書化した「研究アーキテクチャ概観」を収録している—— これが下記の「訂正の系譜」の直接の原型である。

  収録物：PDF報告書（EN/JA）、画面録画2本、ハッシュ値。

  サイト内のSQL解説：docs/sql/doi-1-6.html

  Zenodoで全文を見る：https://doi.org/10.5281/zenodo.19058174

• DOI 1.52026-03-16ビューアシステムと崩壊タイプ分類の訂正版詳細 ▾閉じる ▴

  本プロジェクトのために構築した2つの可視化ツールを 記録する：SSIMの構成軸にわたって崩壊ブロックを閲覧する ローカルの3Dマルチ軸ビューア（4モデル分のヒートマップ・ アニメーション表示付き）と、REST API・画像ごとの ヒートマップを通じてDuckDBデータベースを対話的に閲覧 できるローカルのWebアプリケーション。あわせて、4モデル 全部（それぞれ81,975,528ブロック）にわたる訂正済みの ブロック分類分析を提示する：一部の崩壊タイプ（「Silent Dual」「Silent Multiple」）は全モデルに普遍的に存在する こと、Upscayl High-Fidelityは他のモデルにはない、ある 分類（「Silent None」）の異常な出現率86.53%を示すことが わかった。

  収録物：PDF文書5点、画面録画16本、ハッシュ値。

  サイト内のSQL解説：docs/sql/doi-1-5.html

  Zenodoで全文を見る：https://doi.org/10.5281/zenodo.19040901

• DOI 1.42026-03-13SQLの訂正と2つのσ_statアプローチ DOI 1.0への正誤表・補遺；後にDOI 1.10へ統合修正詳細 ▾閉じる ▴

  Technical Report v1.0への正誤表・補遺で、4つの領域を 扱う：PDF変換に由来する、あるSQLクエリの引用符表示の 問題を訂正；μ_statの計算には2段階の手順 （SQLの工程、続いてPythonによる2区間最適分割の手順）が 必要であることを明確化；8本のDuckDB CLIクエリの無編集の 画面録画を動画証拠として保存；そして2つの異なる σ_statアプローチ（σ_gt ビンごとの平均SSIM対、ビンごとのSSIM差の標準偏差）を 文書化し、Upscayl StandardとSwinIRについて両アプローチ でのfailure-fingerprintマップを掲載している。

  収録物：PDF報告書、画面録画2本、訂正済みSQL、ハッシュ値。

  サイト内のSQL解説：docs/sql/doi-1-4.html

  Zenodoで全文を見る：https://doi.org/10.5281/zenodo.18994113

• DOI 1.32026-03-11Axis1バイアスの方向はアーキテクチャに依存し、普遍的ではない詳細 ▾閉じる ▴

  4つのAIアップスケーリングアーキテクチャにわたる内部 バイアス方向（「Axis1」）を、5,004枚の胸部X線画像から 得た3億2,800万ブロックで実証的に検証する。アーキテク チャ依存で逆向きのバイアス極性を持つ2つのグループが 見つかった：Upscayl StandardとSwinIRは、アーティファクト （リンギング・ブロックノイズ）に駆動される正のAxis1を 示す一方、Upscayl High-FidelityとDigital-Artは極性が 逆転し、正のAxis1はむしろ鮮鋭度の向上を反映する。結論： このバイアスの方向は、異なるアーキテクチャにわたって 一様には解釈できず、以前の単一モデルの知見を訂正・ 拡張するものである。

  収録物：PDF文書2点、画面録画4本、ハッシュ値。

  Zenodoで全文を見る：https://doi.org/10.5281/zenodo.18949243

• DOI 1.22026-03-09構造的失敗理論：4アーキテクチャにわたる可視・不可視の崩壊詳細 ▾閉じる ▴

  4つの画像復元アーキテクチャ（Upscayl3種＋SwinIR）にわたる 3億2,800万ブロックを用いて、SSIMの根本的な限界を調べる。 「輝度不安定性」と「構造的マスキング」という2つの系統的 バイアスが検知の盲点を生み出していることを特定し、目に 見える劣化（visible collapse）と、高いSSIMスコアの裏に 隠れた深刻な内部劣化（hidden collapse）を区別する「2層の 崩壊構造」を示す。SwinIRの隠れた持続的失敗の95.30%は、 SSIMが数式的に反応しなくなる領域で特異的に起きている。

  収録物：PDF報告書、画面録画6本、ハッシュ値。

  Zenodoで全文を見る：https://doi.org/10.5281/zenodo.18917078

• DOI 1.12026-03-068,200万ブロック規模のSSIM盲点データベースの統計基盤詳細 ▾閉じる ▴

  本プロジェクトのブロック単位分析を支える統計基盤を確立 するもので、単一のスカラースコアから多次元の構造的診断 へと視点を移す。4つのAIアップスケーリングモデルそれぞれ を2つの処理経路（TTAなし・TTAあり）で実行し、合計で およそ6億5,600万件のデータポイントを、DuckDBバックエンド で分析する——このスケールで、従来の集計指標には見えない 内部の失敗モードを扱えるようにするためのものである。 全ての生の出力ファイルのSHA-256ハッシュを同梱し、 優先権とデータ整合性を確立している。

  収録物：PDF報告書、画面録画5本、ハッシュ値。

  Zenodoで全文を見る：https://doi.org/10.5281/zenodo.18883267

• DOI 1.02026-03-02シリーズ最初の技術報告書詳細 ▾閉じる ▴

  本研究は、構造的類似性の劣化を分析するための数学的枠組みとして 「SSIM極限理論（SSIM Limit Theory）」を導入する。SSIMの崩壊を 引き起こす、背後にある分布のシフトを捉えるため、その変化を 簡潔に表す「統計的破綻フィンガープリント（Δμ、 Δσ）」を提案する。本研究に付随するデータセットには、 完全な理論的原稿、データベーススキーマ、再現可能なSQLリソース、 整合性検証済みのデータブロックが含まれており、透明性のある 科学的検証を支えている。これらの結果は、8,200万件を超える レコードの網羅的な分析に基づいており、システムの動作を 検証する実演動画とともに提示されている。

  本シリーズはZenodoのキュレーション済み Artificial Intelligence and Machine Learning コミュニティに登録されています。

  収録物：PDF報告書、画面録画2本、検証用データベース2本、ハッシュ値。

  Zenodoで全文を見る：https://doi.org/10.5281/zenodo.18830286