論文の概要: Branched Schrödinger Bridge Matching

• arxiv url: http://arxiv.org/abs/2506.09007v1
• Date: Tue, 10 Jun 2025 17:29:48 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-06-11 15:11:42.967838
• Title: Branched Schrödinger Bridge Matching
• Title（参考訳）: 分岐型シュレーディンガー橋整合
• Authors: Sophia Tang, Yinuo Zhang, Alexander Tong, Pranam Chatterjee,
• Abstract要約: 分岐Schr"odinger Bridge Matching (BranchSBM)は,分岐Schr"odinger Bridgesを学習する新しいフレームワークである。 BranchSBMは、複数の時間依存速度場と成長過程をパラメータ化し、終端分布への人口レベルのばらつきを表現する。 分岐SBMは, 多経路表面ナビゲーション, 均一な前駆体状態からの細胞運命分岐のモデル化, 摂動による細胞応答の変動をシミュレーションするタスクにおいて, より表現力が高いだけでなく, 必要であることを示す。
• 参考スコア（独自算出の注目度）: 45.105452288011726
• License: http://creativecommons.org/licenses/by-nc-nd/4.0/
• Abstract: Predicting the intermediate trajectories between an initial and target distribution is a central problem in generative modeling. Existing approaches, such as flow matching and Schr\"odinger Bridge Matching, effectively learn mappings between two distributions by modeling a single stochastic path. However, these methods are inherently limited to unimodal transitions and cannot capture branched or divergent evolution from a common origin to multiple distinct outcomes. To address this, we introduce Branched Schr\"odinger Bridge Matching (BranchSBM), a novel framework that learns branched Schr\"odinger bridges. BranchSBM parameterizes multiple time-dependent velocity fields and growth processes, enabling the representation of population-level divergence into multiple terminal distributions. We show that BranchSBM is not only more expressive but also essential for tasks involving multi-path surface navigation, modeling cell fate bifurcations from homogeneous progenitor states, and simulating diverging cellular responses to perturbations.
• Abstract（参考訳）: 初期分布と目標分布の間の中間軌道の予測は、生成モデリングにおける中心的な問題である。 フローマッチングやSchr\\odinger Bridge Matchingのような既存のアプローチは、単一の確率経路をモデル化することによって、2つの分布間のマッピングを効果的に学習する。 しかし、これらの手法は本質的には単項遷移に限られており、共通の起源から複数の異なる結果へと分岐または分岐した進化を捉えることはできない。 これを解決するために,ブランチ型Schr\"odinger Bridge Matching (BranchSBM)を紹介した。 BranchSBMは、複数の時間依存速度場と成長過程をパラメータ化し、複数の端末分布への人口レベルのばらつきを表現する。 分岐SBMは, 多経路表面ナビゲーション, 均一な前駆体状態からの細胞運命分岐のモデル化, 摂動による細胞応答の変動をシミュレーションするタスクにおいて, より表現力が高いだけでなく, 必要であることを示す。

関連論文リスト

• MixBridge: Heterogeneous Image-to-Image Backdoor Attack through Mixture of Schrödinger Bridges [90.49625209112223]
  MixBridgeは任意の入力分布に対応する新しい拡散Schr"odinger Bridge (DSB) フレームワークである。 画像ペアを直接トレーニングすることで,バックドアトリガをMixBridgeに注入可能であることを示す。 本稿では,異なるブリッジを混在させるディバイド・アンド・マージ戦略を提案する。
  論文  参考訳（メタデータ） (2025-05-12T06:40:23Z)
• Single-Step Bidirectional Unpaired Image Translation Using Implicit Bridge Consistency Distillation [55.45188329646137]
  Implicit Bridge Consistency Distillation (IBCD) は、対向損失を使わずに、単段階の双方向無ペア翻訳を可能にする。 IBCDは、ベンチマークデータセットの最先端のパフォーマンスを1世代で達成する。
  論文  参考訳（メタデータ） (2025-03-19T09:48:04Z)
• Bidirectional Diffusion Bridge Models [14.789137197695654]
  拡散ブリッジは、イメージ・ツー・イメージ(I2I)翻訳タスクにおいてポテンシャルを示す。 既存の手法はその一方向の性質によって制限され、前と逆の翻訳のために別々のモデルを必要とする。 2つの結合分布間の双方向変換を容易にするスケーラブルなアプローチである双方向拡散ブリッジモデル(BDBM)を導入する。
  論文  参考訳（メタデータ） (2025-02-12T04:43:02Z)
• BM$^2$: Coupled Schrödinger Bridge Matching [4.831663144935879]
  ニューラルネットワークを用いたSchr"odingerブリッジの学習における非定性アプローチを提案する。 BM$2$の収束特性に関する予備的理論的解析を行い、数値実験で裏付ける。
  論文  参考訳（メタデータ） (2024-09-14T08:57:46Z)
• 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)
• Diffusion Bridge Mixture Transports, Schr\"odinger Bridge Problems and Generative Modeling [4.831663144935879]
  本稿では, 動的シュリンガー橋問題の解法を目的とした, サンプリング型反復型拡散橋混合法 (IDBM) を提案する。 IDBM手順は、各イテレーションにおける目標確率測度間の有効な輸送を実現するという魅力的な性質を示す。
  論文  参考訳（メタデータ） (2023-04-03T12:13:42Z)

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。