Fugu-MT 論文翻訳(概要): Funnels: Exact maximum likelihood with dimensionality reduction

論文の概要: Funnels: Exact maximum likelihood with dimensionality reduction

arxiv url: http://arxiv.org/abs/2112.08069v1
Date: Wed, 15 Dec 2021 12:20:25 GMT
ステータス: 処理完了
システム内更新日: 2021-12-16 14:02:22.247385
Title: Funnels: Exact maximum likelihood with dimensionality reduction
Title（参考訳）: funnels: 次元性低減による完全極大度
Authors: Samuel Klein, John A. Raine, Sebastian Pina-Otey, Slava Voloshynovskiy, Tobias Golling
Abstract要約: 我々は、SurVAEフレームワークを使用して、ファンネルと呼ばれる新しい層を介して、サージェクティブフローを減らす次元を構築する。提案手法の有効性を様々なデータセットで示すとともに,既存のフローの性能を向上または一致させるとともに,遅延空間サイズを小さくすることを示す。
参考スコア（独自算出の注目度）: 6.201770337181472
License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
Abstract: Normalizing flows are diffeomorphic, typically dimension-preserving, models trained using the likelihood of the model. We use the SurVAE framework to construct dimension reducing surjective flows via a new layer, known as the funnel. We demonstrate its efficacy on a variety of datasets, and show it improves upon or matches the performance of existing flows while having a reduced latent space size. The funnel layer can be constructed from a wide range of transformations including restricted convolution and feed forward layers.
Abstract（参考訳）: 正規化フローは微分同相であり、典型的には次元保存モデルであり、モデルの確率を用いて訓練される。我々は、SurVAEフレームワークを使用して、ファンネルと呼ばれる新しい層を介して、サージェクティブフローを減らす次元を構築する。様々なデータセットでその効果を実証し、潜在空間サイズを小さくしながら既存のフローのパフォーマンスを改善したり、一致させたりすることを示します。ファンネル層は、制限された畳み込みやフィードフォワード層を含む幅広い変換から構築することができる。

関連論文リスト

FlowIE: Efficient Image Enhancement via Rectified Flow [71.6345505427213]
FlowIEはフローベースのフレームワークであり、基本的な分布から高品質な画像への直線パスを推定する。私たちのコントリビューションは、合成および実世界のデータセットに関する包括的な実験を通じて、厳密に検証されています。
論文参考訳（メタデータ） (2024-06-01T17:29:29Z)
Scaling Riemannian Diffusion Models [68.52820280448991]
非自明な多様体上の高次元タスクにスケールできることを示す。我々は、$SU(n)$格子上のQCD密度と高次元超球面上の対照的に学習された埋め込みをモデル化する。
論文参考訳（メタデータ） (2023-10-30T21:27:53Z)
Canonical normalizing flows for manifold learning [14.377143992248222]
そこで本研究では,新しい目的によって変換行列を強制し,顕著で非退化的な基底関数をほとんど持たない正準多様体学習フロー法を提案する。正準多様体の流れは潜在空間をより効率的に利用し、データを表現するために顕著で異なる次元を自動生成する。
論文参考訳（メタデータ） (2023-10-19T13:48:05Z)
VTAE: Variational Transformer Autoencoder with Manifolds Learning [144.0546653941249]
深層生成モデルは、多くの潜伏変数を通して非線形データ分布の学習に成功している。ジェネレータの非線形性は、潜在空間がデータ空間の不満足な射影を示し、表現学習が不十分になることを意味する。本研究では、測地学と正確な計算により、深部生成モデルの性能を大幅に向上させることができることを示す。
論文参考訳（メタデータ） (2023-04-03T13:13:19Z)
ButterflyFlow: Building Invertible Layers with Butterfly Matrices [80.83142511616262]
そこで本研究では,蝶の層に基づく可逆線形層を新たに提案する。可逆なバタフライ層をベースとして,バタフライフローと呼ばれる新しい正規化フローモデルを構築した。
論文参考訳（メタデータ） (2022-09-28T01:58:18Z)
General Invertible Transformations for Flow-based Generative Modeling [11.04121146441257]
可逆論理と可逆ニューラルネットワークの多くのよく知られた可逆的変換は、我々の提案から導かれる可能性がある。次に、フローベース生成モデルの重要な構成要素である2つの新しい結合層を提案する。
論文参考訳（メタデータ） (2020-11-30T17:54:43Z)
Multi-fidelity data fusion for the approximation of scalar functions with low intrinsic dimensionality through active subspaces [0.0]
アクティブな部分空間を含む多面的アプローチを提案し、それを2つの異なる高次元ベンチマークでテストする。本研究では,アクティブな部分空間を含む多元性アプローチを提案し,これを2つの異なる高次元ベンチマークで検証する。
論文参考訳（メタデータ） (2020-10-16T12:35:49Z)
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 Across Dimensions [10.21537170623373]
我々は、次元をまたぐことができる正規化フローの一般化であるノイズ注入流(NIF)を導入する。 NIF は射影変換を用いて高次元データ空間内の学習可能な多様体にラテント空間を明示的にマッピングする。実験により,本手法を既存のフローアーキテクチャに適用することにより,サンプルの品質を著しく向上し,分離可能なデータ埋め込みが得られることを示す。
論文参考訳（メタデータ） (2020-06-23T14:47:18Z)
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)
Latent Variable Modelling with Hyperbolic Normalizing Flows [35.1659722563025]
双曲型VAEとユークリッド正規化流に新しい正規化フローを導入する。提案手法は,実世界のグラフデータの再構成とともに,密度推定の性能向上を実現する。
論文参考訳（メタデータ） (2020-02-15T07:44:00Z)

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。