論文の概要: Unified framework for diffusion generative models in SO(3): applications
in computer vision and astrophysics
- arxiv url: http://arxiv.org/abs/2312.11707v1
- Date: Mon, 18 Dec 2023 21:07:03 GMT
- ステータス: 処理完了
- システム内更新日: 2023-12-20 17:45:05.516373
- Title: Unified framework for diffusion generative models in SO(3): applications
in computer vision and astrophysics
- Title（参考訳）: SOにおける拡散生成モデルの統一フレームワーク(3):コンピュータビジョンと天体物理学への応用
- Authors: Yesukhei Jagvaral, Francois Lanusse, Rachel Mandelbaum
- Abstract要約: 拡散に基づく生成モデルは、画像生成の最先端を表現している。
我々は,3次元回転のリー群へのスコアベース生成モデル(SGM)と拡散確率モデル(DDPM)の拡張を開発し,SO(3)。
- 参考スコア（独自算出の注目度）: 1.3362242492170784
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Diffusion-based generative models represent the current state-of-the-art for
image generation. However, standard diffusion models are based on Euclidean
geometry and do not translate directly to manifold-valued data. In this work,
we develop extensions of both score-based generative models (SGMs) and
Denoising Diffusion Probabilistic Models (DDPMs) to the Lie group of 3D
rotations, SO(3). SO(3) is of particular interest in many disciplines such as
robotics, biochemistry and astronomy/cosmology science. Contrary to more
general Riemannian manifolds, SO(3) admits a tractable solution to heat
diffusion, and allows us to implement efficient training of diffusion models.
We apply both SO(3) DDPMs and SGMs to synthetic densities on SO(3) and
demonstrate state-of-the-art results. Additionally, we demonstrate the
practicality of our model on pose estimation tasks and in predicting correlated
galaxy orientations for astrophysics/cosmology.
- Abstract（参考訳）: 拡散に基づく生成モデルは、画像生成の現在の最先端を表す。
しかし、標準拡散モデルはユークリッド幾何学に基づいており、多様体値のデータに直接変換しない。
本研究では,3次元回転のリー群へのスコアベース生成モデル(SGM)と拡散確率モデル(DDPM)の拡張(SO(3))を開発する。
so(3)はロボティクス、生化学、天文学/コスモロジー科学など多くの分野に特に興味を持っている。
より一般的なリーマン多様体とは対照的に、SO(3) は熱拡散に対する引き込み可能な解を認め、拡散モデルの効率的な訓練を実装できる。
我々は,SO(3) DDPMとSGMの両方をSO(3)上の合成密度に適用し,最先端の結果を示す。
さらに、天体物理学/コスモロジーにおけるポーズ推定タスクや相関銀河方位予測におけるモデルの実践性を示す。
関連論文リスト
- Geometric Trajectory Diffusion Models [58.853975433383326]
生成モデルは3次元幾何学システムの生成において大きな可能性を示してきた。
既存のアプローチは静的構造のみで動作し、物理系は常に自然界において動的であるという事実を無視する。
本研究では3次元軌跡の時間分布をモデル化する最初の拡散モデルである幾何軌道拡散モデル(GeoTDM)を提案する。
論文 参考訳（メタデータ） (2024-10-16T20:36:41Z) - Normalizing Flows on the Product Space of SO(3) Manifolds for Probabilistic Human Pose Modeling [4.956709222278244]
我々は、SO(3)多様体の高次元積空間上で動く正規化フローモデルであるHuProSO3を紹介する。
HuProSO3の最先端アプローチに対する優位性は、3つの異なるアプリケーションにおいて優れたモデリング精度によって証明されている。
論文 参考訳（メタデータ） (2024-04-08T16:56:05Z) - Renormalizing Diffusion Models [0.7252027234425334]
拡散モデルを用いて、統計および量子場理論の逆再正規化群フローを学習する。
我々の研究は、多スケール拡散モデルの解釈を提供し、新しい性質を持つべき拡散モデルに対する物理的に着想を得た提案を与える。
論文 参考訳（メタデータ） (2023-08-23T18:02:31Z) - 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) - Geometric Latent Diffusion Models for 3D Molecule Generation [172.15028281732737]
生成モデル、特に拡散モデル(DM)は、特徴豊富な測地を生成する上で有望な結果を得た。
我々はGeoLDM(Geometric Latent Diffusion Models)と呼ばれる新しい3次元分子生成法を提案する。
論文 参考訳（メタデータ） (2023-05-02T01:07:22Z) - Unifying Diffusion Models' Latent Space, with Applications to
CycleDiffusion and Guidance [95.12230117950232]
関係領域で独立に訓練された2つの拡散モデルから共通潜時空間が現れることを示す。
テキスト・画像拡散モデルにCycleDiffusionを適用することで、大規模なテキスト・画像拡散モデルがゼロショット画像・画像拡散エディタとして使用できることを示す。
論文 参考訳（メタデータ） (2022-10-11T15:53:52Z) - Equivariant Diffusion for Molecule Generation in 3D [74.289191525633]
この研究は、ユークリッド変換に同値な3次元の分子計算生成のための拡散モデルを導入する。
提案手法は, 従来の3次元分子生成法に比べて, 生成した試料の品質と訓練時の効率を著しく向上させる。
論文 参考訳（メタデータ） (2022-03-31T12:52:25Z) - Riemannian Score-Based Generative Modeling [56.20669989459281]
経験的性能を示すスコアベース生成モデル(SGM)を紹介する。
現在のSGMは、そのデータが平坦な幾何学を持つユークリッド多様体上で支えられているという前提を定めている。
これにより、ロボット工学、地球科学、タンパク質モデリングの応用にこれらのモデルを使用することができない。
論文 参考訳（メタデータ） (2022-02-06T11:57:39Z)
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。