論文の概要: Generative Fractional Diffusion Models
- arxiv url: http://arxiv.org/abs/2310.17638v1
- Date: Thu, 26 Oct 2023 17:53:24 GMT
- ステータス: 処理完了
- システム内更新日: 2023-10-27 18:27:24.001588
- Title: Generative Fractional Diffusion Models
- Title(参考訳): 生成的フラクタル拡散モデル
- Authors: Gabriel Nobis, Marco Aversa, Maximilian Springenberg, Michael Detzel,
Stefano Ermon, Shinichi Nakajima, Roderick Murray-Smith, Sebastian
Lapuschkin, Christoph Knochenhauer, Luis Oala, Wojciech Samek
- Abstract要約: 2次スコアベース生成モデルの連続時間フレームワークをブラウン運動の近似に一般化する。
我々の知る限りでは、これは無限の二次的変動を持つプロセスに基づいて生成モデルを構築する最初の試みである。
- 参考スコア(独自算出の注目度): 48.40015542764509
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: We generalize the continuous time framework for score-based generative models
from an underlying Brownian motion (BM) to an approximation of fractional
Brownian motion (FBM). We derive a continuous reparameterization trick and the
reverse time model by representing FBM as a stochastic integral over a family
of Ornstein-Uhlenbeck processes to define generative fractional diffusion
models (GFDM) with driving noise converging to a non-Markovian process of
infinite quadratic variation. The Hurst index $H\in(0,1)$ of FBM enables
control of the roughness of the distribution transforming path. To the best of
our knowledge, this is the first attempt to build a generative model upon a
stochastic process with infinite quadratic variation.
- Abstract(参考訳): 本稿では,スコアベース生成モデルの連続時間フレームワークを,下層のブラウン運動 (bm) から分数ブラウン運動 (fbm) の近似に一般化する。
連続再パラメータ化トリックと逆時間モデルから、fbm をオルンシュタイン・ウレンベック過程の族上の確率積分として表現し、無限二次変動の非マルコフ過程に収束する駆動雑音により生成分数拡散モデル(gfdm)を定義する。
Hurst index $H\in(0,1)$ of FBM は分布変換経路の粗さの制御を可能にする。
我々の知る限りでは、これは無限二次変動を持つ確率過程に基づいて生成モデルを構築する最初の試みである。
関連論文リスト
- 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) - Towards Faster Non-Asymptotic Convergence for Diffusion-Based Generative
Models [49.81937966106691]
我々は拡散モデルのデータ生成過程を理解するための非漸近理論のスイートを開発する。
従来の研究とは対照的に,本理論は基本的だが多目的な非漸近的アプローチに基づいて開発されている。
論文 参考訳(メタデータ) (2023-06-15T16:30:08Z) - 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) - Generative modeling for time series via Schr{\"o}dinger bridge [0.0]
本稿では,SB (Schr'dinger Bridge) に基づく時系列生成モデルを提案する。
これは、経路空間上の基準確率測度と、時系列の合同データ分布と整合した目標測度との間の最適輸送によるエントロピックから構成される。
論文 参考訳(メタデータ) (2023-04-11T09:45:06Z) - Stochastic Interpolants: A Unifying Framework for Flows and Diffusions [16.95541777254722]
フローベースおよび拡散ベースを統一する生成モデルのクラスを紹介する。
これらのモデルは、Albergo & VandenEijnden (2023) で提案されたフレームワークを拡張し、確率補間子と呼ばれる広範囲の連続時間プロセスの使用を可能にする。
これらの補間材は、2つの所定の密度のデータと、橋を柔軟に形作る追加の潜伏変数を組み合わせることで構築される。
論文 参考訳(メタデータ) (2023-03-15T17:43:42Z) - Restoration-Degradation Beyond Linear Diffusions: A Non-Asymptotic
Analysis For DDIM-Type Samplers [90.45898746733397]
本研究では拡散生成モデルに用いる決定論的サンプリング器の非漸近解析のためのフレームワークを開発する。
確率フローODEに沿った1ステップは,1) 条件付き対数線上を無限に先行して上昇する回復ステップ,2) 雑音を現在の勾配に向けて前向きに進行する劣化ステップの2段階で表すことができる。
論文 参考訳(メタデータ) (2023-03-06T18:59:19Z) - 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) - Fast Sampling of Diffusion Models via Operator Learning [74.37531458470086]
我々は,拡散モデルのサンプリング過程を高速化するために,確率フロー微分方程式の効率的な解法であるニューラル演算子を用いる。
シーケンシャルな性質を持つ他の高速サンプリング手法と比較して、並列復号法を最初に提案する。
本稿では,CIFAR-10では3.78、ImageNet-64では7.83の最先端FIDを1モデル評価環境で達成することを示す。
論文 参考訳(メタデータ) (2022-11-24T07:30:27Z) - GeoDiff: a Geometric Diffusion Model for Molecular Conformation
Generation [102.85440102147267]
分子配座予測のための新しい生成モデルGeoDiffを提案する。
GeoDiffは、既存の最先端のアプローチよりも優れているか、あるいは同等であることを示す。
論文 参考訳(メタデータ) (2022-03-06T09:47:01Z) - Variational Inference for Continuous-Time Switching Dynamical Systems [29.984955043675157]
従属拡散過程を変調したマルコフジャンプ過程に基づくモデルを提案する。
我々は,新しい連続時間変動推定アルゴリズムを開発した。
モデル仮定と実世界の実例に基づいて,我々のアルゴリズムを広範囲に評価する。
論文 参考訳(メタデータ) (2021-09-29T15:19:51Z)
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。