Fugu-MT 論文翻訳(概要): The Expressive Power of a Class of Normalizing Flow Models

論文の概要: The Expressive Power of a Class of Normalizing Flow Models

arxiv url: http://arxiv.org/abs/2006.00392v1
Date: Sun, 31 May 2020 00:12:45 GMT
ステータス: 処理完了
システム内更新日: 2022-11-26 12:23:57.941097
Title: The Expressive Power of a Class of Normalizing Flow Models
Title（参考訳）: 正規化流模型のクラスにおける表現力
Authors: Zhifeng Kong and Kamalika Chaudhuri
Abstract要約: いくつかの基本正規化フローについて検討し、その表現力の限界を厳格に定めている。以上の結果から,これらの流れは1次元において非常に表現力が高いが,高次元では表現力に制限がある可能性が示唆された。
参考スコア（独自算出の注目度）: 28.326418377665345
License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
Abstract: Normalizing flows have received a great deal of recent attention as they allow flexible generative modeling as well as easy likelihood computation. While a wide variety of flow models have been proposed, there is little formal understanding of the representation power of these models. In this work, we study some basic normalizing flows and rigorously establish bounds on their expressive power. Our results indicate that while these flows are highly expressive in one dimension, in higher dimensions their representation power may be limited, especially when the flows have moderate depth.
Abstract（参考訳）: フローの正規化は、フレキシブルな生成モデルと簡単な確率計算を可能にするため、近年注目されている。様々なフローモデルが提案されているが、これらのモデルの表現力に関する形式的な理解はほとんどない。本研究では,基本的な正規化の流れを研究し,その表現力の限界を厳格に定式化する。以上の結果から,これらの流れは1次元で非常に表現力が高いが,高次元では表現力に制限がある可能性が示唆された。

関連論文リスト

Unfolding Time: Generative Modeling for Turbulent Flows in 4D [49.843505326598596]
本研究では,4次元生成拡散モデルと物理インフォームドガイダンスを導入し,現実的な流れ状態列の生成を可能にする。提案手法は, 乱流多様体からのサブシーケンス全体のサンプリングに有効であることが示唆された。この進展は、乱流の時間的進化を分析するために生成モデリングを適用するための扉を開く。
論文参考訳（メタデータ） (2024-06-17T10:21:01Z)
Time-changed normalizing flows for accurate SDE modeling [5.402030962296633]
ブラウン運動の時間変形に基づく動的正規化流れの新たな変換を提案する。このアプローチは、他の方法ではモデル化できないいくつかのSDEを効果的にモデル化することを可能にする。
論文参考訳（メタデータ） (2023-12-22T13:57:29Z)
Guided Flows for Generative Modeling and Decision Making [55.42634941614435]
その結果,ガイドフローは条件付き画像生成やゼロショット音声合成におけるサンプル品質を著しく向上させることがわかった。特に、我々は、拡散モデルと比較して、オフライン強化学習設定axスピードアップにおいて、まず、計画生成にフローモデルを適用する。
論文参考訳（メタデータ） (2023-11-22T15:07:59Z)
Non-Separable Multi-Dimensional Network Flows for Visual Computing [62.50191141358778]
本研究では,非分離型多次元ネットワークフローに対する新しい定式化法を提案する。フローは次元ごとに定義されるので、最大化フローは自動的に最適な特徴次元を選択する。概念実証として,マルチオブジェクト追跡問題にフォーマリズムを適用し,ノイズに対するロバスト性の観点からMOT16ベンチマークのスカラー定式化よりも優れていることを示す。
論文参考訳（メタデータ） (2023-05-15T13:21:44Z)
Generative models for scalar field theories: how to deal with poor scaling? [0.0]
生成モデルは格子ゲージ場構成を生成するための標準アルゴリズムの代替として提案されている。大規模格子の受容率に制限のある現在のモデルについて検討し,有効場理論に触発された新しいアーキテクチャを考察し,スケーリング特性を改善する。
論文参考訳（メタデータ） (2023-01-04T09:25:45Z)
Generative Modeling for Low Dimensional Speech Attributes with Neural Spline Flows [22.78165635389179]
ピッチ情報は低次元であるだけでなく、不連続でもあるため、生成的な環境では特にモデル化が困難である。この問題は、正規化フローにおけるより一般的なアフィンカップリング機構の代用として非常に表現力の高いニューラルスプラインフローに非常に適している。
論文参考訳（メタデータ） (2022-03-03T15:58:08Z)
Attentive Contractive Flow with Lipschitz-constrained Self-Attention [25.84621883831624]
注意的収縮フロー(ACF)と呼ばれる新しいアプローチを導入する。 ACFは、フローベースの生成モデル - 収縮フロー - の特別なカテゴリを利用する。我々は, ACFをプラグアンドプレイ方式で, 各種のアートフローモデルに導入できることを実証した。
論文参考訳（メタデータ） (2021-09-24T18:02:49Z)
Distilling the Knowledge from Normalizing Flows [22.578033953780697]
正規化フローは、複数の音声および視覚問題において強力な性能を示す生成モデルの強力なクラスである。本稿では, 簡易蒸留法を提案し, 画像超解像と音声合成のための現状条件付きフローベースモデルの有効性を実証する。
論文参考訳（メタデータ） (2021-06-24T00:10:22Z)
Generative Flows with Invertible Attentions [135.23766216657745]
生成フローモデルに対する2種類の非可逆的注意機構を導入する。フロー特徴写像の2分割毎に注意重みと入力表現を学習するために,分割に基づく注意機構を利用する。提案手法は, トラクタブルジャコビアン行列を用いた非可逆アテンションモジュールをフローベースモデルの任意の位置にシームレスに統合する。
論文参考訳（メタデータ） (2021-06-07T20:43:04Z)
SurVAE Flows: Surjections to Bridge the Gap between VAEs and Flows [78.77808270452974]
SurVAE Flowsは、VAEと正規化フローを含む構成可能な変換のためのモジュラーフレームワークである。提案手法は,SurVAE フローとして表現できることが示唆された。
論文参考訳（メタデータ） (2020-07-06T13:13:22Z)
Normalizing Flows with Multi-Scale Autoregressive Priors [131.895570212956]
マルチスケール自己回帰前処理(mAR)を通した遅延空間におけるチャネルワイド依存性を導入する。我々のmARは、分割結合フロー層(mAR-SCF)を持つモデルに先立って、複雑なマルチモーダルデータの依存関係をよりよく捉えます。我々は,mAR-SCFにより画像生成品質が向上し,FIDとインセプションのスコアは最先端のフローベースモデルと比較して向上したことを示す。
論文参考訳（メタデータ） (2020-04-08T09:07:11Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。