Fugu-MT 論文翻訳(概要): A Relaxed Wasserstein Distance Formulation for Mixtures of Radially Contoured Distributions

論文の概要: A Relaxed Wasserstein Distance Formulation for Mixtures of Radially Contoured Distributions

arxiv url: http://arxiv.org/abs/2503.13893v1
Date: Tue, 18 Mar 2025 04:39:31 GMT
ステータス: 翻訳完了
システム内更新日: 2025-03-19 14:15:20.221510
Title: A Relaxed Wasserstein Distance Formulation for Mixtures of Radially Contoured Distributions
Title（参考訳）: 放射状凹凸分布の混合に対する緩和ワッサースタイン距離定式化
Authors: Keyu Chen, Zetian Wang, Yunxin Zhang,
Abstract要約: 本稿では, 放射状凹凸分布の同定可能な混合物に対する簡易な緩和ワッサーシュタイン距離を提案する。この距離のいくつかの性質を示し、その定義が限界整合を必要としないことを示す。
参考スコア（独自算出の注目度）: 5.876704494595038
License:
Abstract: Recently, a Wasserstein-type distance for Gaussian mixture models has been proposed. However, that framework can only be generalized to identifiable mixtures of general elliptically contoured distributions whose components come from the same family and satisfy marginal consistency. In this paper, we propose a simple relaxed Wasserstein distance for identifiable mixtures of radially contoured distributions whose components can come from different families. We show some properties of this distance and that its definition does not require marginal consistency. We apply this distance in color transfer tasks and compare its performance with the Wasserstein-type distance for Gaussian mixture models in an experiment. The error of our method is more stable and the color distribution of our output image is more desirable.
Abstract（参考訳）: 近年、ガウス混合モデルに対するワッサーシュタイン型距離が提案されている。しかし、この枠組みは、成分が同じ族から来ており、限界整合性を満たす一般楕円構成分布の同定可能な混合にのみ一般化することができる。本稿では,異なる族から成分を得られる放射状凹凸分布の同定可能な混合物に対して,簡易に緩和されたワッサーシュタイン距離を提案する。この距離のいくつかの性質を示し、その定義が限界整合を必要としないことを示す。この距離を色伝達タスクに適用し、その性能をガウス混合モデルに対するワッサーシュタイン型距離と比較する。提案手法の誤差はより安定しており,出力画像の色分布がより望ましい。

関連論文リスト

Summarizing Bayesian Nonparametric Mixture Posterior -- Sliced Optimal Transport Metrics for Gaussian Mixtures [10.694077392690447]
混合モデルの後方推論を要約する既存の方法は、クラスタリングのための暗黙のランダムパーティションの点推定を同定することに焦点を当てている。本研究では,非パラメトリックベイズ混合モデルにおける後部推論を要約し,混合度(または混合度)の密度推定を推論対象として優先順位付けする手法を提案する。
論文参考訳（メタデータ） (2024-11-22T02:15:38Z)
Theory on Score-Mismatched Diffusion Models and Zero-Shot Conditional Samplers [49.97755400231656]
本報告では,明示的な次元の一般スコアミスマッチ拡散サンプリング器を用いた最初の性能保証について述べる。その結果, スコアミスマッチは, 目標分布とサンプリング分布の分布バイアスとなり, 目標分布とトレーニング分布の累積ミスマッチに比例することがわかった。この結果は、測定ノイズに関係なく、任意の条件モデルに対するゼロショット条件付きサンプリングに直接適用することができる。
論文参考訳（メタデータ） (2024-10-17T16:42:12Z)
Unraveling the Smoothness Properties of Diffusion Models: A Gaussian Mixture Perspective [18.331374727331077]
拡散過程のリプシッツ連続性と第二運動量特性の理論的理解を提供する。この結果から, 共通データ分布下での拡散過程のダイナミクスについて, より深い理論的知見が得られた。
論文参考訳（メタデータ） (2024-05-26T03:32:27Z)
Unsupervised Learning of Sampling Distributions for Particle Filters [80.6716888175925]
観測結果からサンプリング分布を学習する4つの方法を提案する。実験により、学習されたサンプリング分布は、設計された最小縮退サンプリング分布よりも優れた性能を示すことが示された。
論文参考訳（メタデータ） (2023-02-02T15:50:21Z)
Estimation and inference for the Wasserstein distance between mixing measures in topic models [18.66039789963639]
混合測度間のワッサーシュタイン距離は混合モデルの統計解析において中心的な位置を占めるようになった。この研究は、この距離の新しい標準解釈を提案し、トピックモデルにおけるワッサーシュタイン距離の推論を行うためのツールを提供する。
論文参考訳（メタデータ） (2022-06-26T02:33:40Z)
A Robust and Flexible EM Algorithm for Mixtures of Elliptical Distributions with Missing Data [71.9573352891936]
本稿では、ノイズや非ガウス的なデータに対するデータ計算の欠如に対処する。楕円分布と潜在的な欠落データを扱う特性を混合した新しいEMアルゴリズムについて検討した。合成データの実験的結果は,提案アルゴリズムが外れ値に対して頑健であり,非ガウスデータで使用可能であることを示す。
論文参考訳（メタデータ） (2022-01-28T10:01:37Z)
Schema matching using Gaussian mixture models with Wasserstein distance [0.2676349883103403]
ガウス混合モデル間のワッサーシュタイン距離の近似を導出し、線形問題に還元する。本稿では,ガウス混合モデル間のワッサーシュタイン距離の近似の1つを導出し,線形問題に還元する。
論文参考訳（メタデータ） (2021-11-28T21:44:58Z)
Density Ratio Estimation via Infinitesimal Classification [85.08255198145304]
そこで我々は, DRE-inftyを提案する。 DRE-inftyは, 密度比推定(DRE)を, より簡単なサブプロブレムに還元する手法である。モンテカルロ法にインスパイアされ、中間ブリッジ分布の無限連続体を介して2つの分布の間を滑らかに補間する。提案手法は,複雑な高次元データセット上での相互情報推定やエネルギーベースモデリングなどの下流タスクにおいて良好に動作することを示す。
論文参考訳（メタデータ） (2021-11-22T06:26:29Z)
Large-Scale Wasserstein Gradient Flows [84.73670288608025]
ワッサーシュタイン勾配流を近似するスケーラブルなスキームを導入する。我々のアプローチは、JKOステップを識別するために、入力ニューラルネットワーク(ICNN)に依存しています。その結果、勾配拡散の各ステップで測定値からサンプリングし、その密度を計算することができる。
論文参考訳（メタデータ） (2021-06-01T19:21:48Z)
Uniform Convergence Rates for Maximum Likelihood Estimation under Two-Component Gaussian Mixture Models [13.769786711365104]
パラメータ推定のための最大極大推定器と最小極小境界に対する一様収束率を導出する。混合成分の混合割合は, 既知, 固定されていると仮定するが, 混合成分の分離仮定は行わない。
論文参考訳（メタデータ） (2020-06-01T04:13:48Z)
Distributed, partially collapsed MCMC for Bayesian Nonparametrics [68.5279360794418]
ディリクレ法やベータ・ベルヌーリ法のようなモデルでよく用いられる完全無作為測度は独立な部分測度に分解可能であるという事実を利用する。この分解を用いて、潜在測度を、インスタンス化された成分のみを含む有限測度と、他のすべての成分を含む無限測度に分割する。得られたハイブリッドアルゴリズムは、収束保証を犠牲にすることなくスケーラブルな推論を可能にすることができる。
論文参考訳（メタデータ） (2020-01-15T23:10:13Z)

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。