論文の概要: A Unified Framework for Diffusion Bridge Problems: Flow Matching and Schrödinger Matching into One

• arxiv url: http://arxiv.org/abs/2503.21756v1
• Date: Thu, 27 Mar 2025 17:57:03 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-03-28 12:51:38.875633
• Title: A Unified Framework for Diffusion Bridge Problems: Flow Matching and Schrödinger Matching into One
• Title（参考訳）: 拡散ブリッジ問題の統一化フレームワーク:フローマッチングとシュレーディンガーマッチング
• Authors: Minyoung Kim,
• Abstract要約: ディープラーニング時代のブリッジ問題に対処する最も一般的なアルゴリズムは、(条件付き)フローマッチングと反復的適合アルゴリズムである。 我々は、これらの一見無関係なアルゴリズムを1つに仮定する、新しい統一された視点と枠組みを提案する。
• 参考スコア（独自算出の注目度）: 23.143031911859847
• License:
• Abstract: The bridge problem is to find an SDE (or sometimes an ODE) that bridges two given distributions. The application areas of the bridge problem are enormous, among which the recent generative modeling (e.g., conditional or unconditional image generation) is the most popular. Also the famous Schr\"{o}dinger bridge problem, a widely known problem for a century, is a special instance of the bridge problem. Two most popular algorithms to tackle the bridge problems in the deep learning era are: (conditional) flow matching and iterative fitting algorithms, where the former confined to ODE solutions, and the latter specifically for the Schr\"{o}dinger bridge problem. The main contribution of this article is in two folds: i) We provide concise reviews of these algorithms with technical details to some extent; ii) We propose a novel unified perspective and framework that subsumes these seemingly unrelated algorithms (and their variants) into one. In particular, we show that our unified framework can instantiate the Flow Matching (FM) algorithm, the (mini-batch) optimal transport FM algorithm, the (mini-batch) Schr\"{o}dinger bridge FM algorithm, and the deep Schr\"{o}dinger bridge matching (DSBM) algorithm as its special cases. We believe that this unified framework will be useful for viewing the bridge problems in a more general and flexible perspective, and in turn can help researchers and practitioners to develop new bridge algorithms in their fields.
• Abstract（参考訳）: ブリッジ問題は、与えられた2つの分布をブリッジするSDE(または、時にはODE)を見つけることである。 橋梁問題の適用領域は巨大であり,最近の生成モデル(条件付き画像生成,無条件画像生成など)が最も人気である。 有名なSchr\"{o}dinger bridge problemは1世紀にわたって広く知られていた問題であり、橋の問題の特別な例である。 ディープラーニング時代のブリッジ問題に対処する最も一般的なアルゴリズムは、(条件付き)フローマッチングと反復フィッティングアルゴリズムである。 この記事の主な貢献は2つある。 一 ある程度の技術的詳細をこれらのアルゴリズムの簡潔なレビューに供する。 ii) これらの一見無関係なアルゴリズム(およびその変種)を1つに仮定する新しい統一された視点と枠組みを提案する。 特に,我々の統合されたフレームワークは,フローマッチング(FM)アルゴリズム,(ミニバッチ)最適輸送FMアルゴリズム,(ミニバッチ)Schr\"{o}dinger Bridge FMアルゴリズム,および深部Schr\"{o}dinger bridge matching (DSBM)アルゴリズムを特殊ケースとしてインスタンス化可能であることを示す。 この統合されたフレームワークは、橋の問題をより汎用的で柔軟な視点で見るのに役立つと信じており、研究者や実践者が新しい橋のアルゴリズムをその分野で開発するのに役立ちます。

関連論文リスト

• Through the Looking Glass: Mirror Schrödinger Bridges [16.05211717546091]
  密度が不明な対象尺度からのサンプリングは、数学統計学と機械学習の基本的な問題である。 そこで本研究では,ミラー・シュル「オーディンガー橋」と呼ばれるコンディショナル・リサンプリングの新たなモデルを提案する。
  論文  参考訳（メタデータ） (2024-10-09T15:48:56Z)
• Diffusion & Adversarial Schrödinger Bridges via Iterative Proportional Markovian Fitting [87.37278888311839]
  IMFの修正版とIPF(Iterative Proportional Fitting)の手続きの密接な関係を示す。 本稿では,この組み合わせをIPMF法(Iterative Proportional Markovian Fitting)と呼ぶ。
  論文  参考訳（メタデータ） (2024-10-03T15:43:17Z)
• Schrödinger Bridge Flow for Unpaired Data Translation [38.19632736212184]
  最適輸送 (OT) マップの動的エントロピー正規化版である Schr"odinger Bridge を計算するための新しいアルゴリズムを提案する。 このアルゴリズムは、経路測度の流れの離散化に対応しており、これをSchr"odinger Bridge Flowと呼ぶ。 我々は,不適切なデータ翻訳タスクにおいて,アルゴリズムの性能を実証する。
  論文  参考訳（メタデータ） (2024-09-14T07:34:30Z)
• Measurement Embedded Schrödinger Bridge for Inverse Problems [11.683312630679568]
  Image-to-Image Schr"odinger Bridge (I$2$SB) は、逆問題に対処する先駆者として有望な選択肢を提示している。 MESBは、破損した画像の分布とクリーンな画像の分布の間に、Schr"odinger Bridgeを確立する。 提案手法は,既存のSchr"odinger Bridgeをベースとした逆問題解法と比較して,視覚的品質と定量的指標の両方において優れた性能を示す。
  論文  参考訳（メタデータ） (2024-05-23T01:44:01Z)
• Light and Optimal Schrödinger Bridge Matching [67.93806073192938]
  我々はSB(Schr"odinger Bridges)を学習するための新しい手法を提案し、それを textbf Schr"odinger Bridge matching と呼ぶ。 EOT/SBを学習するための最適橋梁マッチングは,最近発見されたエネルギーベースモデリング(EBM)の目標と一致することを示す。 我々は、Schr"odinger電位の混合パラメタライゼーションを用いて、実際に最適なマッチングを実現するための光解法(LightSB-Mと呼ぶ)を開発した。
  論文  参考訳（メタデータ） (2024-02-05T17:17:57Z)
• Generalized Schrödinger Bridge Matching [54.171931505066]
  一般化Schr"odinger Bridge (GSB) 問題設定は、機械学習の内外を問わず、多くの科学領域で一般的である。 我々は最近の進歩に触発された新しいマッチングアルゴリズムである一般化シュリンガーブリッジマッチング(GSBM)を提案する。 このような一般化は条件最適制御の解法として、変分近似を用いることができることを示す。
  論文  参考訳（メタデータ） (2023-10-03T17:42:11Z)
• Light Schrödinger Bridge [72.88707358656869]
  我々は,軽量でシミュレーション不要で理論的に正当化されたSchr"odinger Bridgesソルバを開発した。 我々の光解法は密度推定に広く用いられているガウス混合モデルに類似している。 この類似性に着想を得て、光解法がSBの普遍近似であることを示す重要な理論的結果も証明した。
  論文  参考訳（メタデータ） (2023-10-02T13:06:45Z)
• Building the Bridge of Schr\"odinger: A Continuous Entropic Optimal Transport Benchmark [96.06787302688595]
  提案手法は, 基本真理 OT 解が構成によって知られている確率分布のペアを作成する方法である。 これらのベンチマークペアを使用して、既存のニューラルネットワーク EOT/SB ソルバが実際に EOT ソリューションをどれだけよく計算しているかをテストする。
  論文  参考訳（メタデータ） (2023-06-16T20:03:36Z)
• Deep Generalized Schr\"odinger Bridge [26.540105544872958]
  平均フィールドゲーム(Mean-Field Game)は、個々のエージェントの集合的振る舞いをモデル化する重要な数学的枠組みとして機能する。 エントロピー規則化された最適輸送モデルとして、Schr"odinger Bridgeは平均場構造を受け入れるために一般化可能であることを示す。 我々の手法はDeep Generalized Schr"odinger Bridge (DeepGSB) と呼ばれ、古典的な集団ナビゲーションMFGの解法よりも優れている。
  論文  参考訳（メタデータ） (2022-09-20T17:47:15Z)
• Learning to Accelerate Heuristic Searching for Large-Scale Maximum Weighted b-Matching Problems in Online Advertising [51.97494906131859]
  バイパルタイトbマッチングはアルゴリズム設計の基本であり、経済市場や労働市場などに広く適用されている。 既存の正確で近似的なアルゴリズムは、通常そのような設定で失敗する。 我々は、以前の事例から学んだ知識を活用して、新しい問題インスタンスを解決するtextttNeuSearcherを提案する。
  論文  参考訳（メタデータ） (2020-05-09T02:48:23Z)

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。