Fugu-MT 論文翻訳(概要): Diffusion on the Probability Simplex

論文の概要: Diffusion on the Probability Simplex

arxiv url: http://arxiv.org/abs/2309.02530v1
Date: Tue, 5 Sep 2023 18:52:35 GMT
ステータス: 処理完了
システム内更新日: 2023-09-07 17:44:42.512066
Title: Diffusion on the Probability Simplex
Title（参考訳）: 確率単純性に関する拡散
Authors: Griffin Floto, Thorsteinn Jonsson, Mihai Nica, Scott Sanner, Eric Zhengyu Zhu
Abstract要約: 拡散モデルは、データ分布のプログレッシブノイズ化を逆転させ、生成モデルを作成する。本稿では,確率単純度上で拡散を行う手法を提案する。本手法は,有界画像生成に適用可能な単位立方体上の拡散を含むように自然に拡張されている。
参考スコア（独自算出の注目度）: 24.115365081118604
License: http://creativecommons.org/licenses/by/4.0/
Abstract: Diffusion models learn to reverse the progressive noising of a data distribution to create a generative model. However, the desired continuous nature of the noising process can be at odds with discrete data. To deal with this tension between continuous and discrete objects, we propose a method of performing diffusion on the probability simplex. Using the probability simplex naturally creates an interpretation where points correspond to categorical probability distributions. Our method uses the softmax function applied to an Ornstein-Unlenbeck Process, a well-known stochastic differential equation. We find that our methodology also naturally extends to include diffusion on the unit cube which has applications for bounded image generation.
Abstract（参考訳）: 拡散モデルは、データ分布の進行的ノイズ化を逆転して生成モデルを生成する。しかし、ノイズ発生過程の所望の連続性は離散データと矛盾することがある。連続オブジェクトと離散オブジェクトのこの緊張に対処するために,確率単純度上で拡散を行う手法を提案する。確率の単純性を用いて自然に、点がカテゴリの確率分布に対応するような解釈を作る。本手法は,有名な確率微分方程式ornstein-unlenbeck法に適用したsoftmax関数を用いる。また,本手法は,有界画像生成に適用可能な単位立方体上の拡散を含むように自然に拡張されている。

関連論文リスト

Constrained Diffusion Models via Dual Training [80.03953599062365]
拡散プロセスは、トレーニングデータセットのバイアスを反映したサンプルを生成する傾向がある。所望の分布に基づいて拡散制約を付与し,制約付き拡散モデルを構築する。本稿では,制約付き拡散モデルを用いて,目的と制約の最適なトレードオフを実現する混合データ分布から新しいデータを生成することを示す。
論文参考訳（メタデータ） (2024-08-27T14:25:42Z)
Theoretical Insights for Diffusion Guidance: A Case Study for Gaussian Mixture Models [59.331993845831946]
拡散モデルは、所望の特性に向けてサンプル生成を操るために、スコア関数にタスク固有の情報を注入することの恩恵を受ける。本稿では,ガウス混合モデルの文脈における拡散モデルに対する誘導の影響を理解するための最初の理論的研究を提供する。
論文参考訳（メタデータ） (2024-03-03T23:15:48Z)
Formulating Discrete Probability Flow Through Optimal Transport [29.213216002178306]
まず、連続確率フローが特定の条件下でのモンジュ最適輸送写像であることを証明し、また離散ケースの等価な証拠を示す。次に、最適な輸送の原理に従って離散確率フローを定義する。合成玩具データセットとCIFAR-10データセットの実験により,提案した離散確率フローが検証された。
論文参考訳（メタデータ） (2023-11-07T11:03:27Z)
User-defined Event Sampling and Uncertainty Quantification in Diffusion Models for Physical Dynamical Systems [49.75149094527068]
拡散モデルを用いて予測を行い,カオス力学系に対する不確かさの定量化が可能であることを示す。本研究では,雑音レベルが低下するにつれて真の分布に収束する条件付きスコア関数の確率的近似法を開発する。推論時に非線形ユーザ定義イベントを条件付きでサンプリングすることができ、分布の尾部からサンプリングした場合でもデータ統計と一致させることができる。
論文参考訳（メタデータ） (2023-06-13T03:42:03Z)
Error Bounds for Flow Matching Methods [38.9898500163582]
フローマッチング法は、2つの任意の確率分布間のフローを近似する。近似誤差に$L2$の値とデータ分布に一定の規則性を仮定し, 完全に決定論的サンプリングを用いたフローマッチング手順の誤差境界を提案する。
論文参考訳（メタデータ） (2023-05-26T12:13:53Z)
Blackout Diffusion: Generative Diffusion Models in Discrete-State Spaces [0.0]
前方拡散過程における任意の離散状態マルコフ過程の理論的定式化を開発する。例えばBlackout Diffusion'は、ノイズからではなく、空のイメージからサンプルを生成することを学習する。
論文参考訳（メタデータ） (2023-05-18T16:24:12Z)
Bi-Noising Diffusion: Towards Conditional Diffusion Models with Generative Restoration Priors [64.24948495708337]
本研究では,事前訓練した非条件拡散モデルを用いて,予測サンプルをトレーニングデータ多様体に導入する手法を提案する。我々は,超解像,着色,乱流除去,画像劣化作業におけるアプローチの有効性を実証するための総合的な実験を行った。
論文参考訳（メタデータ） (2022-12-14T17:26:35Z)
Score-based Continuous-time Discrete Diffusion Models [102.65769839899315]
連続時間マルコフ連鎖を介して逆過程が認知されるマルコフジャンププロセスを導入することにより、拡散モデルを離散変数に拡張する。条件境界分布の単純なマッチングにより、偏りのない推定器が得られることを示す。提案手法の有効性を,合成および実世界の音楽と画像のベンチマークで示す。
論文参考訳（メタデータ） (2022-11-30T05:33:29Z)
Categorical SDEs with Simplex Diffusion [25.488210663637265]
この理論ノートは、n-次元確率単純点上のデータポイントを直接拡散する手段であるSimplex Diffusionを提案する。多次元 Cox-Ingersoll-Ross プロセスにより, シンプレックス上のディリクレ分布と類似の SDE がどのように実現されるかを示す。
論文参考訳（メタデータ） (2022-10-26T15:27:43Z)
Truncated Diffusion Probabilistic Models and Diffusion-based Adversarial Auto-Encoders [137.1060633388405]
拡散に基づく生成モデルは、逆拡散連鎖を推論してデータを生成する方法を学ぶ。我々は、データが純粋なランダムノイズになるまで、より高速で安価にノイズを付加するアプローチを提案する。提案手法は,拡散過程と学習可能な暗黙的前処理の両方によって付与された逆自動エンコーダとしてキャスト可能であることを示す。
論文参考訳（メタデータ） (2022-02-19T20:18:49Z)

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。