論文の概要: Diffusion Generative Models in Infinite Dimensions

• arxiv url: http://arxiv.org/abs/2212.00886v1
• Date: Thu, 1 Dec 2022 21:54:19 GMT
• ステータス: 処理完了
• システム内更新日: 2022-12-05 16:15:13.701737
• Title: Diffusion Generative Models in Infinite Dimensions
• Title（参考訳）: 無限次元における拡散生成モデル
• Authors: Gavin Kerrigan, Justin Ley, Padhraic Smyth
• Abstract要約: 拡散生成モデルを一般化して関数空間で直接操作する。 関数空間の観点の大きな利点は、開発中の関数空間を明示的に指定できることです。 提案手法により,関数値データの条件付き生成と条件付き生成を両立させることができる。
• 参考スコア（独自算出の注目度）: 10.15736468214228
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Diffusion generative models have recently been applied to domains where the available data can be seen as a discretization of an underlying function, such as audio signals or time series. However, these models operate directly on the discretized data, and there are no semantics in the modeling process that relate the observed data to the underlying functional forms. We generalize diffusion models to operate directly in function space by developing the foundational theory for such models in terms of Gaussian measures on Hilbert spaces. A significant benefit of our function space point of view is that it allows us to explicitly specify the space of functions we are working in, leading us to develop methods for diffusion generative modeling in Sobolev spaces. Our approach allows us to perform both unconditional and conditional generation of function-valued data. We demonstrate our methods on several synthetic and real-world benchmarks.
• Abstract（参考訳）: 拡散生成モデルは最近、利用可能なデータが音声信号や時系列のような基礎関数の離散化と見なすことができる領域に適用されている。 しかし、これらのモデルは離散化されたデータを直接操作し、観測されたデータと基礎となる機能形式を関連づける意味論は存在しない。 我々は拡散モデルを一般化し、ヒルベルト空間上のガウス測度の観点からそのようなモデルの基礎理論を開発することによって関数空間で直接操作する。 関数空間の観点の大きな利点は、我々が取り組んでいる関数の空間を明示的に指定できるので、ソボレフ空間における拡散生成モデリングの手法を開発することができることである。 このアプローチにより、無条件データと無条件データの両方を生成できる。 我々は、いくつかの合成および実世界のベンチマークで手法を実証する。

関連論文リスト

• Synthetic location trajectory generation using categorical diffusion models [50.809683239937584]
  拡散モデル(DPM)は急速に進化し、合成データのシミュレーションにおける主要な生成モデルの一つとなっている。 本稿では,個人が訪れた物理的位置を表す変数列である合成個別位置軌跡(ILT)の生成にDPMを用いることを提案する。
  論文  参考訳（メタデータ） (2024-02-19T15:57:39Z)
• Convergence Analysis of Discrete Diffusion Model: Exact Implementation through Uniformization [17.535229185525353]
  連続マルコフ連鎖の均一化を利用したアルゴリズムを導入し、ランダムな時間点の遷移を実装した。 我々の結果は、$mathbbRd$における拡散モデルの最先端の成果と一致し、さらに$mathbbRd$設定と比較して離散拡散モデルの利点を浮き彫りにする。
  論文  参考訳（メタデータ） (2024-02-12T22:26:52Z)
• Functional Diffusion [55.251174506648454]
  本稿では,関数拡散と呼ばれる新しい生成拡散モデルを提案する。 汎函数拡散は古典的拡散モデルの無限次元領域への拡張と見なすことができる。 3次元表面上で定義された複雑な符号付き距離関数と変形関数の生成結果を示す。
  論文  参考訳（メタデータ） (2023-11-26T21:35:34Z)
• Geometric Neural Diffusion Processes [55.891428654434634]
  拡散モデルの枠組みを拡張して、無限次元モデリングに一連の幾何学的先行を組み込む。 これらの条件で、生成関数モデルが同じ対称性を持つことを示す。
  論文  参考訳（メタデータ） (2023-07-11T16:51:38Z)
• Functional Flow Matching [14.583771853250008]
  本稿では,最近導入されたフローマッチングモデルを一般化した関数空間生成モデルを提案する。 我々の手法は確率やシミュレーションに頼らず、関数空間の設定に適している。 我々は,FFM法が最近提案した関数空間生成モデルより優れていることを示す実世界のベンチマーク実験を行った。
  論文  参考訳（メタデータ） (2023-05-26T19:07:47Z)
• Infinite-Dimensional Diffusion Models [4.342241136871849]
  拡散に基づく生成モデルを無限次元で定式化し、関数の生成モデルに適用する。 我々の定式化は無限次元の設定においてよく成り立っていることを示し、サンプルから目標測度への次元非依存距離境界を提供する。 また,無限次元拡散モデルの設計ガイドラインも作成する。
  論文  参考訳（メタデータ） (2023-02-20T18:00:38Z)
• Score-based Diffusion Models in Function Space [140.792362459734]
  拡散モデルは、最近、生成モデリングの強力なフレームワークとして登場した。 本稿では,関数空間における拡散モデルをトレーニングするためのDDO(Denoising Diffusion Operators)という,数学的に厳密なフレームワークを提案する。 データ解像度に依存しない固定コストで、対応する離散化アルゴリズムが正確なサンプルを生成することを示す。
  論文  参考訳（メタデータ） (2023-02-14T23:50:53Z)
• Spectral Diffusion Processes [26.510979162244304]
  スコアベース生成モデリング(SGM)は有限次元空間上の密度をモデル化するための非常に効果的な手法であることが証明されている。 我々はスペクトル空間の関数データを表現し、プロセスの一部を時空間部分から解離させる。
  論文  参考訳（メタデータ） (2022-09-28T14:23:41Z)
• A Survey on Generative Diffusion Model [75.93774014861978]
  拡散モデルは、深層生成モデルの新たなクラスである。 時間を要する反復生成過程や高次元ユークリッド空間への閉じ込めなど、いくつかの制限がある。 本調査では,拡散モデルの向上を目的とした高度な手法を多数提示する。
  論文  参考訳（メタデータ） (2022-09-06T16:56:21Z)
• Generative Models as Distributions of Functions [72.2682083758999]
  生成モデルは一般的に、画像のようなグリッドのようなデータに基づいて訓練される。 本稿では,離散格子を放棄し,連続関数による個々のデータポイントのパラメータ化を行う。
  論文  参考訳（メタデータ） (2021-02-09T11:47:55Z)

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。