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
- Energy-Based Diffusion Language Models for Text Generation [126.23425882687195]
エネルギーベース拡散言語モデル(Energy-based Diffusion Language Model, EDLM)は、拡散ステップごとに全シーケンスレベルで動作するエネルギーベースモデルである。
我々のフレームワークは、既存の拡散モデルよりも1.3$times$のサンプリングスピードアップを提供する。
論文 参考訳（メタデータ） (2024-10-28T17:25:56Z) - Diffusion Bridge Implicit Models [25.213664260896103]
分散ブリッジモデル(DDBM)は、2つの任意の対の分布を補間するための拡散モデルの強力な変種である。
我々は,拡散モデルで確立されたレシピに動機づけられた,余分な訓練を伴わないDDBMの高速サンプリングの第一歩を踏み出す。
我々は、高次数値解法を誘導する、新しい、単純で洞察に富んだ常微分方程式(ODE)を誘導する。
論文 参考訳（メタデータ） (2024-05-24T19:08:30Z) - Adversarial Schrödinger Bridge Matching [66.39774923893103]
反復マルコフフィッティング(IMF)手順は、マルコフ過程の相互射影と相互射影を交互に交互に行う。
本稿では、プロセスの学習を離散時間でほんの少しの遷移確率の学習に置き換える新しい離散時間IMF(D-IMF)手順を提案する。
D-IMFの手続きは、数百ではなく数世代のステップで、IMFと同じ品質の未完成のドメイン翻訳を提供できることを示す。
論文 参考訳（メタデータ） (2024-05-23T11:29:33Z) - 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) - Variational Inference for SDEs Driven by Fractional Noise [16.434973057669676]
マルコフ近似分数的ブラウン運動(fBM)によって駆動される(神経)微分方程式(SDE)の推論を行うための新しい変分フレームワークを提案する。
本稿では, ニューラルネットワークを用いて, 変動後部におけるドリフト, 拡散, 制御条件を学習し, ニューラルSDEの変分学習を実現することを提案する。
論文 参考訳（メタデータ） (2023-10-19T17:59:21Z) - Neural Diffusion Models [2.1779479916071067]
本稿では,データの時間依存非線形変換の定義と学習を可能にする,従来の拡散モデルの一般化について述べる。
NDMは、可能性の観点から従来の拡散モデルより優れ、高品質なサンプルを生成する。
論文 参考訳（メタデータ） (2023-10-12T13:54:55Z) - Fast Diffusion EM: a diffusion model for blind inverse problems with
application to deconvolution [0.0]
現在の手法では、劣化が知られており、復元と多様性の点で印象的な結果をもたらすと仮定している。
本研究では、これらのモデルの効率を活用し、復元された画像と未知のパラメータを共同で推定する。
本手法は,拡散モデルから抽出したサンプルを用いて,問題の対数類似度を近似し,未知のモデルパラメータを推定する方法とを交互に比較する。
論文 参考訳（メタデータ） (2023-09-01T06:47:13Z) - Fast Diffusion Model [122.36693015093041]
拡散モデル(DM)は、複雑なデータ分布を捉える能力を持つ様々な分野に採用されている。
本稿では,DM最適化の観点から,高速拡散モデル (FDM) を提案する。
論文 参考訳（メタデータ） (2023-06-12T09:38:04Z) - Hierarchical Integration Diffusion Model for Realistic Image Deblurring [71.76410266003917]
拡散モデル (DM) は画像劣化に導入され, 有望な性能を示した。
本稿では,階層型統合拡散モデル(HI-Diff)を提案する。
人工的および実世界のぼかしデータセットの実験は、HI-Diffが最先端の手法より優れていることを示した。
論文 参考訳（メタデータ） (2023-05-22T12:18:20Z) - 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)
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。