Fugu-MT 論文翻訳(概要): Greed is Good: Guided Generation from a Greedy Perspective

論文の概要: Greed is Good: Guided Generation from a Greedy Perspective

arxiv url: http://arxiv.org/abs/2502.08006v1
Date: Tue, 11 Feb 2025 23:05:16 GMT
ステータス: 翻訳完了
システム内更新日: 2025-02-13 18:10:00.807267
Title: Greed is Good: Guided Generation from a Greedy Perspective
Title（参考訳）: Greed is Good:Greedyの視点からのガイド付きジェネレーション
Authors: Zander W. Blasingame, Chen Liu,
Abstract要約: 欲求誘導戦略は良い判断を下し、連続随伴方程式から得られる理想的な勾配を用いて誘導戦略と比較する。次に、この観点から、他の人気のあるトレーニングフリーガイダンス戦略をどのように統一的に見ることができるかを示す。
参考スコア（独自算出の注目度）: 2.0795007613453445
License: http://creativecommons.org/licenses/by/4.0/
Abstract: Training-free guided generation is a widely used and powerful technique that allows the end user to exert further control over the generative process of diffusion models. In this work, we explore the guided generation from the perspective of optimizing the solution trajectory of a neural differential equation in a greedy manner. We present such a strategy as a unifying view on training-free guidance by showing that the greedy strategy is a first-order discretization of end-to-end optimization techniques. We show that a greedy guidance strategy makes good decisions and compare it to a guidance strategy using the ideal gradients found via the continuous adjoint equations. We then show how other popular training-free guidance strategies can be viewed in a unified manner from this perspective.
Abstract（参考訳）: トレーニングフリーガイドドジェネレーションは、エンドユーザが拡散モデルの生成過程をさらに制御できる、広く使われ、強力な技術である。本研究では, ニューラル微分方程式の解軌跡の最適化の観点から, 誘導生成について検討する。本稿では,この戦略がエンドツーエンド最適化手法の1次離散化であることを示すことによって,トレーニングフリーガイダンスの統一的視点として提示する。欲求誘導戦略は良い判断を下し、連続随伴方程式から得られる理想的な勾配を用いて誘導戦略と比較する。次に、この観点から、他の人気のあるトレーニングフリーガイダンス戦略をどのように統一的に見ることができるかを示す。

関連論文リスト

How Much To Guide: Revisiting Adaptive Guidance in Classifier-Free Guidance Text-to-Vision Diffusion Models [57.42800112251644]
我々は、シンプルで普遍的な適応型ガイダンス戦略であるStep AGを提案する。評価は画像品質と画像テキストアライメントの両方に焦点をあてる。
論文参考訳（メタデータ） (2025-06-10T02:09:48Z)
Slow Thinking for Sequential Recommendation [88.46598279655575]
本稿では,STREAM-Recという新しいスローシンキングレコメンデーションモデルを提案する。弊社のアプローチは、過去のユーザの振る舞いを分析し、多段階の熟考的推論プロセスを生成し、パーソナライズされたレコメンデーションを提供する。具体的には,(1)レコメンデーションシステムにおける適切な推論パターンを特定すること,(2)従来のレコメンデーションシステムの推論能力を効果的に刺激する方法を検討すること,の2つの課題に焦点を当てる。
論文参考訳（メタデータ） (2025-04-13T15:53:30Z)
Beyond Fine-Tuning: A Systematic Study of Sampling Techniques in Personalized Image Generation [2.9631016562930546]
学習概念の忠実さと、様々な文脈で生成する能力のバランスをとることは、重大な課題である。既存の手法はしばしば、様々な微調整パラメータ化とサンプリング戦略の改善を通じてこの問題に対処する。本稿では,テキストアライメント,計算制約,忠実度を判定し,戦略選択を導くためのフレームワークを提案する。
論文参考訳（メタデータ） (2025-02-09T13:22:32Z)
On the Guidance of Flow Matching [5.495430412700785]
フローマッチングは、様々な生成タスクにおける最先端のパフォーマンスを示している。フローマッチングのための一般的なガイダンスの最初のフレームワークを提案する。
論文参考訳（メタデータ） (2025-02-04T09:27:57Z)
Derivative-Free Diffusion Manifold-Constrained Gradient for Unified XAI [59.96044730204345]
微分自由拡散多様体制約勾配(FreeMCG)を導入する。 FreeMCGは、与えられたニューラルネットワークの説明可能性を改善する基盤として機能する。提案手法は,XAIツールが期待する本質性を保ちながら,最先端の成果が得られることを示す。
論文参考訳（メタデータ） (2024-11-22T11:15:14Z)
Deep Reinforcement Learning for Online Optimal Execution Strategies [49.1574468325115]
本稿では,動的な金融市場における非マルコフ的最適実行戦略の学習に挑戦する。我々は,Deep Deterministic Policy Gradient(DDPG)に基づく新しいアクター批判アルゴリズムを提案する。提案アルゴリズムは最適実行戦略の近似に成功していることを示す。
論文参考訳（メタデータ） (2024-10-17T12:38:08Z)
CoSIGN: Few-Step Guidance of ConSIstency Model to Solve General INverse Problems [3.3969056208620128]
我々は, 高い復元品質を維持しつつ, 推論ステップの境界を1-2 NFEに推し進めることを提案する。本手法は拡散型逆問題解法における新しい最先端技術を実現する。
論文参考訳（メタデータ） (2024-07-17T15:57:50Z)
Landscape-Aware Growing: The Power of a Little LAG [49.897766925371485]
成長戦略のプールから最適な成長戦略をどのように選択するかという課題について検討する。ランドスケープ・アウェア・グロース(LAG)と呼ぶ早期学習力学に基づく代替視点を提案する。
論文参考訳（メタデータ） (2024-06-04T16:38:57Z)
Understanding and Improving Training-free Loss-based Diffusion Guidance [46.803127794547756]
トレーニングフリーガイダンスの理解を深め、その制限を克服します。これらの欠点を解明するために, 学習自由指導は, 対向勾配の影響を受けやすいことを理論的に証明した。次に,その限界を克服するために,理論的理論的根拠と実証的証拠を伴って,一連の手法を導入する。
論文参考訳（メタデータ） (2024-03-19T03:27:01Z)
Few-Shot Learning on Graphs: from Meta-learning to Pre-training and Prompting [56.25730255038747]
この調査は、最近の展開を合成し、比較洞察を提供し、将来の方向性を特定するための取り組みである。我々は,既存の研究をメタラーニングアプローチ,事前学習アプローチ,ハイブリッドアプローチの3つの主要なファミリーに体系的に分類した。これらの手法間の関係を解析し,その強みと限界を比較する。
論文参考訳（メタデータ） (2024-02-02T14:32:42Z)
Domain Adaptive Graph Classification [0.0]
本稿では,グラフトポロジを二分枝から探索し,二分枝学習による領域差を緩和するDual Adversarial Graph Representation Learning(DAGRL)を提案する。提案手法では,適応的な摂動を二重分岐に組み込み,ソースとターゲット分布をドメインの整合性に対応させる。
論文参考訳（メタデータ） (2023-12-21T02:37:56Z)
Unsupervised Discovery of Interpretable Directions in h-space of Pre-trained Diffusion Models [63.1637853118899]
本稿では,事前学習した拡散モデルのh空間における解釈可能な方向を特定するための,教師なしおよび学習に基づく最初の手法を提案する。我々は、事前訓練された拡散モデルのh-スペースで動作するシフト制御モジュールを用いて、サンプルをシフトしたバージョンに操作する。それらを共同で最適化することで、モデルは自然に絡み合った、解釈可能な方向を発見する。
論文参考訳（メタデータ） (2023-10-15T18:44:30Z)
Learning How to Propagate Messages in Graph Neural Networks [55.2083896686782]
本稿では,グラフニューラルネットワーク(GNN)におけるメッセージ伝搬戦略の学習問題について検討する。本稿では,GNNパラメータの最大類似度推定を支援するために,最適伝搬ステップを潜時変数として導入する。提案フレームワークは,GNNにおけるメッセージのパーソナライズおよび解釈可能な伝達戦略を効果的に学習することができる。
論文参考訳（メタデータ） (2023-10-01T15:09:59Z)
Provable Benefits of Policy Learning from Human Preferences in Contextual Bandit Problems [82.92678837778358]
嗜好に基づく手法は、InstructGPTのような経験的応用でかなりの成功を収めている。フィードバックモデリングにおける人間のバイアスと不確実性がこれらのアプローチの理論的保証にどのように影響するかを示す。
論文参考訳（メタデータ） (2023-07-24T17:50:24Z)
Thompson sampling for improved exploration in GFlowNets [75.89693358516944]
生成フローネットワーク(Generative Flow Networks, GFlowNets)は、合成対象物上の分布からのサンプリングを、学習可能なアクションポリシーを用いたシーケンシャルな意思決定問題として扱う、アモータイズされた変分推論アルゴリズムである。 2つの領域において、TS-GFNは、過去の研究で使われたオフ・ポリティクス・サーベイ・ストラテジーよりも、探索を改善し、目標分布への収束を早くすることを示す。
論文参考訳（メタデータ） (2023-06-30T14:19:44Z)
Discovering Evolution Strategies via Meta-Black-Box Optimization [23.956974467496345]
メタラーニングによる進化戦略の効果的な更新ルールの発見を提案する。本手法では,自己注意型アーキテクチャによってパラメータ化された探索戦略を用いる。進化戦略をスクラッチから自己参照的に訓練することは可能であり、学習された更新ルールは外部メタラーニングループを駆動するために使用される。
論文参考訳（メタデータ） (2022-11-21T08:48:46Z)
Multi-Agent Reinforcement Learning with Graph Convolutional Neural Networks for optimal Bidding Strategies of Generation Units in Electricity Markets [1.370633147306388]
本稿では,深部強化学習(DRL)とグラフ畳み込みニューラルネットワーク(GCN)に基づく分散学習アルゴリズムを提案する。ノード間の状態と接続はGCNの入力であり、エージェントはシステムの構造を認識することができる。 IEEE 30-busシステムにおける提案アルゴリズムを,異なるシナリオで評価する。
論文参考訳（メタデータ） (2022-08-11T09:29:31Z)
Light Field Saliency Detection with Dual Local Graph Learning andReciprocative Guidance [148.9832328803202]
我々は、グラフネットワークを介して焦点スタック内のインフォメーション融合をモデル化する。我々は、全焦点パタンを用いて焦点スタック融合過程をガイドする新しいデュアルグラフモデルを構築した。
論文参考訳（メタデータ） (2021-10-02T00:54:39Z)
Learning Gaussian Graphical Models with Latent Confounders [74.72998362041088]
我々は、グラフィカルモデルにおける推論のための2つの戦略を、潜伏した共同創設者と比較し、対比する。これら2つのアプローチは、類似した目標を持っているが、それらは共起に関する異なる仮定によって動機付けられている。これら2つのアプローチの強みを組み合わせた新しい手法を提案する。
論文参考訳（メタデータ） (2021-05-14T00:53:03Z)
A Survey on Deep Semi-supervised Learning [51.26862262550445]
まず,既存の手法を分類した深層半指導学習の分類法を提案する。次に、損失の種類、貢献度、アーキテクチャの違いの観点から、これらのメソッドを詳細に比較します。
論文参考訳（メタデータ） (2021-02-28T16:22:58Z)
Unsupervised Discovery of Interpretable Directions in the GAN Latent Space [39.54530450932134]
GANモデルの潜在空間は、しばしば意味的に意味のある方向を持つ。本稿では,事前学習したGANモデルの潜在空間における解釈可能な方向を特定するための教師なし手法を提案する。弱教師付きサリエンシ検出のための競合性能を達成するために,この発見をいかに活用するかを示す。
論文参考訳（メタデータ） (2020-02-10T13:57:14Z)

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。