Fugu-MT 論文翻訳(概要): Higher Gauge Flow Models

論文の概要: Higher Gauge Flow Models

arxiv url: http://arxiv.org/abs/2507.16334v2
Date: Wed, 06 Aug 2025 09:42:01 GMT
ステータス: 翻訳完了
システム内更新日: 2025-08-07 15:43:09.306495
Title: Higher Gauge Flow Models
Title（参考訳）: 高速ゲージ流モデル
Authors: Alexander Strunk, Roland Assam,
Abstract要約: より高次ゲージフローモデルはL$_infty$-代数を利用して、リー代数を効果的に拡張する。この拡張により、高次幾何学と高次群に関連する高次対称性を生成フローモデルの枠組みに統合することができる。
参考スコア（独自算出の注目度）: 44.99833362998488
License: http://creativecommons.org/licenses/by/4.0/
Abstract: This paper introduces Higher Gauge Flow Models, a novel class of Generative Flow Models. Building upon ordinary Gauge Flow Models (arXiv:2507.13414), these Higher Gauge Flow Models leverage an L$_{\infty}$-algebra, effectively extending the Lie Algebra. This expansion allows for the integration of the higher geometry and higher symmetries associated with higher groups into the framework of Generative Flow Models. Experimental evaluation on a Gaussian Mixture Model dataset revealed substantial performance improvements compared to traditional Flow Models.
Abstract（参考訳）: 本稿では,新しい生成フローモデルであるHigher Gauge Flow Modelsを紹介する。通常のゲージフローモデル (arXiv:2507.13414) に基づいて構築されるこれらの高次ゲージフローモデルは、L$_{\infty}$-アルゲブラを利用して、リー代数を効果的に拡張する。この拡張により、高次幾何学と高次群に関連する高次対称性を生成フローモデルの枠組みに統合することができる。ガウス混合モデルを用いた実験により,従来のフローモデルと比較すると,大幅な性能向上が得られた。

関連論文リスト

Gauge Flow Models [44.99833362998488]
学習可能なゲージ場をフロー正規微分方程式(ODE)に組み込むゲージフローモデルガウス混合モデルにおけるフローマッチングを用いた実験は、ガウスフローモデルが従来のフローモデルと同等かそれ以上の大きさのモデルよりもはるかに優れた性能が得られることを示した。
論文参考訳（メタデータ） (2025-07-17T12:24:54Z)
Jet: A Modern Transformer-Based Normalizing Flow [62.2573739835562]
本稿では,結合型正規化フローモデルの設計を再考する。よりシンプルなアーキテクチャで、最先端の定量的、質的なパフォーマンスを実現しています。
論文参考訳（メタデータ） (2024-12-19T18:09:42Z)
Energy-Based Diffusion Language Models for Text Generation [126.23425882687195]
エネルギーベース拡散言語モデル(Energy-based Diffusion Language Model, EDLM)は、拡散ステップごとに全シーケンスレベルで動作するエネルギーベースモデルである。我々のフレームワークは、既存の拡散モデルよりも1.3$times$のサンプリングスピードアップを提供する。
論文参考訳（メタデータ） (2024-10-28T17:25:56Z)
Flow Generator Matching [35.371071097381346]
フロージェネレータマッチング(FGM)は、フローマッチングモデルのサンプリングをワンステップ生成に高速化するように設計されている。 CIFAR10の非条件生成ベンチマークでは、1段階のFGMモデルが新たなFr'echet Inception Distance(FID)スコア3.08を達成した。 MM-DiT-FGMワンステップテキスト・ツー・イメージモデルでは,業界レベルでの優れたパフォーマンスを示す。
論文参考訳（メタデータ） (2024-10-25T05:41:28Z)
Guided Flows for Generative Modeling and Decision Making [55.42634941614435]
その結果,ガイドフローは条件付き画像生成やゼロショット音声合成におけるサンプル品質を著しく向上させることがわかった。特に、我々は、拡散モデルと比較して、オフライン強化学習設定axスピードアップにおいて、まず、計画生成にフローモデルを適用する。
論文参考訳（メタデータ） (2023-11-22T15:07:59Z)
A mean-field games laboratory for generative modeling [5.837881923712394]
平均場ゲーム(MFG)は、生成モデルの説明、拡張、設計のためのフレームワークである。本稿では,MFGの最適条件について検討し,各生成モデルの数学的特性について検討する。我々は,標準SGMよりも優れた性能を有するHJB正規化SGMを提案し,実演する。
論文参考訳（メタデータ） (2023-04-26T13:08:50Z)
Generative Flows with Invertible Attentions [135.23766216657745]
生成フローモデルに対する2種類の非可逆的注意機構を導入する。フロー特徴写像の2分割毎に注意重みと入力表現を学習するために,分割に基づく注意機構を利用する。提案手法は, トラクタブルジャコビアン行列を用いた非可逆アテンションモジュールをフローベースモデルの任意の位置にシームレスに統合する。
論文参考訳（メタデータ） (2021-06-07T20:43:04Z)
Normalizing Flows with Multi-Scale Autoregressive Priors [131.895570212956]
マルチスケール自己回帰前処理(mAR)を通した遅延空間におけるチャネルワイド依存性を導入する。我々のmARは、分割結合フロー層(mAR-SCF)を持つモデルに先立って、複雑なマルチモーダルデータの依存関係をよりよく捉えます。我々は,mAR-SCFにより画像生成品質が向上し,FIDとインセプションのスコアは最先端のフローベースモデルと比較して向上したことを示す。
論文参考訳（メタデータ） (2020-04-08T09:07:11Z)
Augmented Normalizing Flows: Bridging the Gap Between Generative Flows and Latent Variable Models [11.206144910991481]
本研究では,拡張データ空間上での新たな生成フローの族を提案する。これは,サンプリングの計算コストを大幅に増大させることなく,表現性を向上させることを目的としている。本稿では,フローベース生成モデリングの標準ベンチマークにおける最先端性能について述べる。
論文参考訳（メタデータ） (2020-02-17T17:45:48Z)
Developing a Hybrid Data-Driven, Mechanistic Virtual Flow Meter -- a Case Study [0.0]
本研究は、上記の2つの専門分野の技術を生かしたハイブリッド・モデリング手法について検討し、良好な生産チョークをモデル化する。チョークは、第1原理方程式の単純化されたセットとニューラルネットワークで表現され、弁流係数を推定する。
論文参考訳（メタデータ） (2020-02-07T12:35:33Z)

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。