論文の概要: Conditional Simulation Using Diffusion Schr\"odinger Bridges
- arxiv url: http://arxiv.org/abs/2202.13460v1
- Date: Sun, 27 Feb 2022 21:46:52 GMT
- ステータス: 処理完了
- システム内更新日: 2022-03-01 14:55:22.357401
- Title: Conditional Simulation Using Diffusion Schr\"odinger Bridges
- Title（参考訳）: 拡散Schr\"オーディンガーブリッジを用いた条件シミュレーション
- Authors: Yuyang Shi, Valentin De Bortoli, George Deligiannidis, Arnaud Doucet
- Abstract要約: 拡散モデルは、生成モデルの強力なクラスとして現れている。
生成的モデリングのSchr"odingerブリッジの定式化は、理論的に基底化されたアルゴリズムの生成時間を短縮する。
状態空間モデルに対する画像超解像と最適フィルタリングを含む様々な応用について,本手法を実証する。
- 参考スコア（独自算出の注目度）: 29.035119068549765
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Denoising diffusion models have recently emerged as a powerful class of
generative models. They provide state-of-the-art results, not only for
unconditional simulation, but also when used to solve conditional simulation
problems arising in a wide range of inverse problems such as image inpainting
or deblurring. A limitation of these models is that they are computationally
intensive at generation time as they require simulating a diffusion process
over a long time horizon. When performing unconditional simulation, a
Schr\"odinger bridge formulation of generative modeling leads to a
theoretically grounded algorithm shortening generation time which is
complementary to other proposed acceleration techniques. We extend here the
Schr\"odinger bridge framework to conditional simulation. We demonstrate this
novel methodology on various applications including image super-resolution and
optimal filtering for state-space models.
- Abstract（参考訳）: 雑音拡散モデルは最近、生成モデルの強力なクラスとして出現した。
これらは、無条件シミュレーションだけでなく、画像の塗りつぶしやデブラリングのような幅広い逆問題で生じる条件付きシミュレーションの問題を解決するためにも用いられる。
これらのモデルの制限は、長い時間軸上の拡散過程をシミュレートする必要があるため、生成時に計算集約的であることである。
非条件シミュレーションを行う場合、生成モデリングのSchr\"odingerブリッジの定式化は、他の提案された加速技術と相補的なアルゴリズムの短縮生成時間をもたらす。
ここではschr\"odinger bridgeフレームワークを条件付きシミュレーションに拡張する。
状態空間モデルに対する画像超解像と最適フィルタリングを含む様々な応用について,本手法を実証する。
関連論文リスト
- Fast constrained sampling in pre-trained diffusion models [77.21486516041391]
拡散モデルは、大規模な生成画像モデルの分野を支配してきた。
本研究では,大規模な事前学習拡散モデルにおける高速拘束サンプリングのアルゴリズムを提案する。
論文 参考訳（メタデータ） (2024-10-24T14:52:38Z) - 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) - Bayesian Conditioned Diffusion Models for Inverse Problems [11.67269909384503]
拡散モデルは、前方測定演算子に基づく逆問題を含む多くの画像再構成タスクにおいて優れている。
本稿では,所望の画像の条件分布に関連付けられたスコア関数に基づく拡散モデルBCDMのための新しいベイズ条件付け手法を提案する。
提案手法を用いて,画像処理,デブロアリング,超高解像度化,及びインペイントにおける最先端性能を示す。
論文 参考訳（メタデータ） (2024-06-14T07:13:03Z) - Steered Diffusion: A Generalized Framework for Plug-and-Play Conditional
Image Synthesis [62.07413805483241]
Steered Diffusionは、無条件生成のために訓練された拡散モデルを用いたゼロショット条件画像生成のためのフレームワークである。
塗装,着色,テキスト誘導セマンティック編集,画像超解像などのタスクに対して,ステアリング拡散を用いた実験を行った。
論文 参考訳（メタデータ） (2023-09-30T02:03:22Z) - ShiftDDPMs: Exploring Conditional Diffusion Models by Shifting Diffusion
Trajectories [144.03939123870416]
本稿では,前処理に条件を導入することで,新しい条件拡散モデルを提案する。
いくつかのシフト規則に基づいて各条件に対して排他的拡散軌跡を割り当てるために、余剰潜在空間を用いる。
我々は textbfShiftDDPMs と呼ぶメソッドを定式化し、既存のメソッドの統一的な視点を提供する。
論文 参考訳（メタデータ） (2023-02-05T12:48:21Z) - A Spatio-Temporal Neural Network Forecasting Approach for Emulation of
Firefront Models [11.388800758488314]
モデルエミュレーションのための専用時間ニューラルネットワークベースのフレームワークを提案する。
提案手法は、ニューラルネットワークに基づくアプローチにおいてしばしば困難となる、空間的および時間的細部での予測を近似することができる。
実証実験では、シミュレーションとエミュレートされたファイアフロント間の良好な一致が示され、平均的なジャカードスコアは0.76である。
論文 参考訳（メタデータ） (2022-06-17T03:11:18Z) - Dynamic Dual-Output Diffusion Models [100.32273175423146]
反復分解に基づく生成は、他の生成モデルのクラスに匹敵する品質を示すことが示されている。
この方法の大きな欠点は、競合する結果を生み出すために数百のイテレーションが必要であることである。
近年の研究では、より少ないイテレーションでより高速に生成できるソリューションが提案されているが、画像の品質は徐々に低下している。
論文 参考訳（メタデータ） (2022-03-08T11:20:40Z) - Quantum dynamics simulations beyond the coherence time on NISQ hardware
by variational Trotter compression [0.0]
我々は,今日のIBM量子ハードウェア上でのハイゼンベルクモデルの時間後力学シミュレーションを実演する。
本稿では,現在のハードウェア上で必要なコスト関数,時間進化状態と変動状態の重なりを計測する方法を示す。
実ハードウェア上でのシミュレーションの実施に加えて,ノイズのない,ノイズの多い古典シミュレーションを用いて,アルゴリズムの性能とスケーリング挙動について検討する。
論文 参考訳（メタデータ） (2021-12-23T15:44:47Z) - Hybridized Methods for Quantum Simulation in the Interaction Picture [69.02115180674885]
本研究では,異なるシミュレーション手法をハイブリダイズし,インタラクション・ピクチャー・シミュレーションの性能を向上させるフレームワークを提案する。
これらのハイブリッド化手法の物理的応用は、電気遮断において$log2 Lambda$としてゲート複雑性のスケーリングをもたらす。
力学的な制約を受けるハミルトニアンシミュレーションの一般的な問題に対して、これらの手法は、エネルギーコストを課すために使われるペナルティパラメータ$lambda$とは無関係に、クエリの複雑さをもたらす。
論文 参考訳（メタデータ） (2021-09-07T20:01:22Z)
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。
指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。