Fugu-MT 論文翻訳(概要): On the grid-sampling limit SDE

論文の概要: On the grid-sampling limit SDE

arxiv url: http://arxiv.org/abs/2410.07778v1
Date: Thu, 10 Oct 2024 10:09:44 GMT
ステータス: 処理完了
システム内更新日: 2024-10-31 14:56:00.930581
Title: On the grid-sampling limit SDE
Title（参考訳）: グリッドサンプリング限界SDEについて
Authors: Christian Bender, Nguyen Tran Thuan,
Abstract要約: 最近の研究で、連続的な強化学習における探索をモデル化するためのプロキシとしてグリッドサンプリングSDEを導入しました。本稿では、このSDEの使用動機をさらに明らかにし、ジャンプの有無におけるその正当性について論じる。
参考スコア（独自算出の注目度）: 0.36832029288386137
License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
Abstract: In our recent work [3] we introduced the grid-sampling SDE as a proxy for modeling exploration in continuous-time reinforcement learning. In this note, we provide further motivation for the use of this SDE and discuss its wellposedness in the presence of jumps.
Abstract（参考訳）: 最近の研究[3]では、連続的強化学習における探索をモデル化するためのプロキシとしてグリッドサンプリングSDEを導入しました。本稿では、このSDEの使用動機をさらに明らかにし、ジャンプの有無におけるその正当性について論じる。

関連論文リスト

Trajectory Flow Matching with Applications to Clinical Time Series Modeling [77.58277281319253]
Trajectory Flow Matching (TFM) は、シミュレーションのない方法でニューラルSDEを訓練し、ダイナミックスを通してバックプロパゲーションをバイパスする。絶対的性能と不確実性予測の観点から,3つの臨床時系列データセットの性能向上を実証した。
論文参考訳（メタデータ） (2024-10-28T15:54:50Z)
Consistent3D: Towards Consistent High-Fidelity Text-to-3D Generation with Deterministic Sampling Prior [87.55592645191122]
スコア蒸留サンプリング(SDS)とその変種は、テキスト・ツー・3D世代の発展を大幅に加速させたが、幾何崩壊やテクスチャの低下に弱い。テキストから3D生成に先立ってODE決定論的サンプリングを探索する新しい「一貫性3D」手法を提案する。実験により,高忠実で多様な3Dオブジェクトと大規模シーンの生成にConsistent3Dの有効性が示された。
論文参考訳（メタデータ） (2024-01-17T08:32:07Z)
Differentially Private Gradient Flow based on the Sliced Wasserstein Distance [59.1056830438845]
本稿では,確率測度空間の勾配流に基づく新しい微分プライベートな生成モデリング手法を提案する。実験により,提案モデルが低プライバシー予算で高忠実度データを生成可能であることが示された。
論文参考訳（メタデータ） (2023-12-13T15:47:30Z)
The Blessing of Randomness: SDE Beats ODE in General Diffusion-based Image Editing [24.76844856196734]
拡散に基づく画像編集のための統一的な確率的定式化を行い,タスク固有の方法で潜在変数を編集する。画像から画像への変換を含む様々なタスクにおいて、広く使われているODEベースラインに対して、SDE対応を提供する。 SDE-Drag - ポイントベースのコンテンツドラッグのためのSDE定式化の上に構築されたシンプルで効果的な手法。
論文参考訳（メタデータ） (2023-11-02T17:23:14Z)
Elucidating the solution space of extended reverse-time SDE for diffusion models [54.23536653351234]
拡散モデル(DM)は、様々な生成的モデリングタスクにおいて強力な画像生成能力を示す。その主な制限はサンプリング速度の遅いことであり、高品質な画像を生成するには数百から数千のシーケンシャルな機能評価が必要である。サンプリングプロセスを拡張逆時間SDEとして定式化し、ODEやSDEへの事前探索を統一する。我々は, 高速かつトレーニング不要なサンプル装置ER-SDE-rsを考案し, 全サンプル装置の最先端性能を実現した。
論文参考訳（メタデータ） (2023-09-12T12:27:17Z)
Occlusion Robust 3D Human Pose Estimation with StridedPoseGraphFormer and Data Augmentation [69.49430149980789]
提案手法は最先端技術(SoA)と良好に比較できることを示す。また, 閉塞処理機構が存在しない場合には, SoA 3D HPE法の性能が著しく低下することが明らかとなった。
論文参考訳（メタデータ） (2023-04-24T13:05:13Z)
Segment Anything in Non-Euclidean Domains: Challenges and Opportunities [133.49534701480914]
我々は,非ユークリッド領域内の多様なグラフデータを処理可能な基礎モデルの開発を目指す,新しいセグメンション・ノンユークリッド・アプライシング(SNA)パラダイムを探求する。私たちは、データとタスクの観点から、ユークリッドと非ユークリッドのドメインの違いを理解することを含む、SAの概念をグラフ解析に適用する際に生じるユニークな課題に目を向けました。我々は,SNAの課題に取り組むための予備的解決策をいくつか提示し,それらの限界を詳述するとともに,今後のSNA研究の道を開くためのいくつかの潜在的方向を示す。
論文参考訳（メタデータ） (2023-04-23T10:01:34Z)
A Flexible Diffusion Model [18.723160658185115]
本稿では,拡散モデル,特に前方SDEの空間的部分のパラメータ化のためのフレームワークを提案する。抽象形式論は理論的な保証とともに導入され、それ以前の拡散モデルとの関係が活用される。
論文参考訳（メタデータ） (2022-06-17T06:46:58Z)
Bayesian Learning via Neural Schr\"odinger-F\"ollmer Flows [3.07869141026886]
我々は、勾配ランゲヴィン力学(SGLD)のような一般的な定常法に代わる有限時間制御を提唱する。我々は、このフレームワークの既存の理論的保証について議論し、SDEモデルにおける既存のVIルーチンとの接続を確立する。
論文参考訳（メタデータ） (2021-11-20T03:51:18Z)
SUB-Depth: Self-distillation and Uncertainty Boosting Self-supervised Monocular Depth Estimation [12.874712571149725]
SUB-Depthは、自己教師付き単眼深度推定のための普遍的なマルチタスクトレーニングフレームワークである。サブDepthは、画像再構成タスクの深度マップを予測するだけでなく、学習した教師ネットワークから学習した知識を未学習のデータで抽出するために、深度ネットワークを訓練する。提案するフレームワークを用いて,既存のネットワークをトレーニングすることで達成した改善を実証するために,KITTIに関する広範囲な評価を行った。
論文参考訳（メタデータ） (2021-11-18T13:55:47Z)

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。