論文の概要: Rotated Mean-Field Variational Inference and Iterative Gaussianization

• arxiv url: http://arxiv.org/abs/2510.07732v1
• Date: Thu, 09 Oct 2025 03:13:44 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-10-10 17:54:14.836416
• Title: Rotated Mean-Field Variational Inference and Iterative Gaussianization
• Title（参考訳）: 回転平均場変分推論と反復ガウス化
• Authors: Yifan Chen, Sifan Liu,
• Abstract要約: 回転座標系における平均場変動推定(MFVI)を提案する。 回転座標系におけるMFVIは、目標をガウスに近づける回転と座標写像を定義する。 この手順を反復すると、目標をガウスへ徐々に変換する一連の変換が得られる。
• 参考スコア（独自算出の注目度）: 11.954133194037858
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: We propose to perform mean-field variational inference (MFVI) in a rotated coordinate system that reduces correlations between variables. The rotation is determined by principal component analysis (PCA) of a cross-covariance matrix involving the target's score function. Compared with standard MFVI along the original axes, MFVI in this rotated system often yields substantially more accurate approximations with negligible additional cost. MFVI in a rotated coordinate system defines a rotation and a coordinatewise map that together move the target closer to Gaussian. Iterating this procedure yields a sequence of transformations that progressively transforms the target toward Gaussian. The resulting algorithm provides a computationally efficient way to construct flow-like transport maps: it requires only MFVI subproblems, avoids large-scale optimization, and yields transformations that are easy to invert and evaluate. In Bayesian inference tasks, we demonstrate that the proposed method achieves higher accuracy than standard MFVI, while maintaining much lower computational cost than conventional normalizing flows.
• Abstract（参考訳）: 本稿では,変数間の相関を小さくする回転座標系における平均場変動推定(MFVI)を提案する。 回転は、目標スコア関数を含む相互共分散行列の主成分分析(PCA)により決定される。 元の軸に沿った標準のMFVIと比較すると、この回転系のMFVIは無視できる追加コストでかなり正確な近似が得られる。 回転座標系におけるMFVIは、目標をガウスに近づける回転と座標写像を定義する。 この手順を反復すると、目標をガウスへ徐々に変換する一連の変換が得られる。 MFVIサブプロブレムのみを必要とし、大規模な最適化を回避し、逆転や評価が容易な変換を生成する。 ベイズ推論タスクにおいて,提案手法は従来の正規化フローよりも計算コストをはるかに低く抑えながら,標準MFVIよりも高い精度を実現することを示す。

関連論文リスト

• 3-Dimensional CryoEM Pose Estimation and Shift Correction Pipeline [2.009945677846956]
  正確なポーズ推定とシフト補正は、非常に低いSNRが3次元再構成の忠実性に直接影響を及ぼすため、Cryo-EMの鍵となる課題である。 本稿では,多次元スケーリング(MDS)手法を頑健に活用したCryo-EMにおけるポーズ推定手法を提案し,各粒子の3次元回転行列を2面角対から推定する。
  論文  参考訳（メタデータ） (2025-07-20T11:46:17Z)
• Rotation Averaging: A Primal-Dual Method and Closed-Forms in Cycle Graphs [6.511636092857915]
  幾何再構成のベンチマーク、平均化は、それらの間の測定された相対的向きのセットを最適に説明する絶対的な設定のセットを求める。 広範に受け入れられるスペクトル理論によって動機付けられた新しい原始双対サイクル法を提案する。
  論文  参考訳（メタデータ） (2024-05-29T21:46:39Z)
• Decomposed Global Optimization for Robust Point Matching with Low-Dimensional Branching [41.05165517541873]
  部分重なり合う点集合を整列する新しい大域的最適化手法を提案する。 本手法は非剛性変形, 位置雑音, 外れ値に優れた強靭性を示す。 2次元および3次元合成および実世界のデータを用いた実験により,本手法は最先端の手法と比較して,外れ値に対して優れた強靭性を示すことが示された。
  論文  参考訳（メタデータ） (2024-05-14T13:28:57Z)
• Revisiting Rotation Averaging: Uncertainties and Robust Losses [51.64986160468128]
  現在の手法の主な問題は、推定エピポーラを通して入力データと弱い結合しか持たない最小コスト関数である。 本稿では,点対応から回転平均化への不確実性を直接伝播させることにより,基礎となる雑音分布をモデル化することを提案する。
  論文  参考訳（メタデータ） (2023-03-09T11:51:20Z)
• Manifold Gaussian Variational Bayes on the Precision Matrix [70.44024861252554]
  複雑なモデルにおける変分推論(VI)の最適化アルゴリズムを提案する。 本研究では,変分行列上の正定値制約を満たすガウス変分推論の効率的なアルゴリズムを開発した。 MGVBPはブラックボックスの性質のため、複雑なモデルにおけるVIのための準備が整ったソリューションである。
  論文  参考訳（メタデータ） (2022-10-26T10:12:31Z)
• Variational Kalman Filtering with Hinf-Based Correction for Robust Bayesian Learning in High Dimensions [2.294014185517203]
  本稿では,頑健な変動目標とHinf-normに基づく補正を適用し,逐次変動推定フィルタ(VIF)の収束問題に対処する。 連続的な変分推論とHinfに基づく最適化ステップを利用する新しいVIF-Hinf再帰法を提案する。
  論文  参考訳（メタデータ） (2022-04-27T17:38:13Z)
• Consistent and symmetry preserving data-driven interface reconstruction for the level-set method [0.0]
  我々は、レベルセット法、すなわち、インターフェース再構成(IR)に焦点を当てる。 体積率と開口率の計算。 提案手法は, 粗解決インターフェースの精度を向上し, 従来のIRを高分解能で復元する。 浮動小数点対称実装と計算効率の詳細を提供する。
  論文  参考訳（メタデータ） (2021-04-23T13:21:10Z)
• Pushing the Envelope of Rotation Averaging for Visual SLAM [69.7375052440794]
  視覚SLAMシステムのための新しい最適化バックボーンを提案する。 従来の単分子SLAMシステムの精度, 効率, 堅牢性を向上させるために, 平均化を活用している。 我々のアプローチは、公開ベンチマークの最先端技術に対して、同等の精度で最大10倍高速に表示することができる。
  論文  参考訳（メタデータ） (2020-11-02T18:02:26Z)
• Gaussianization Flows [113.79542218282282]
  そこで本研究では,サンプル生成における効率のよい繰り返しと効率のよい逆変換を両立できる新しい型正規化フローモデルを提案する。 この保証された表現性のため、サンプル生成の効率を損なうことなく、マルチモーダルなターゲット分布をキャプチャできる。
  論文  参考訳（メタデータ） (2020-03-04T08:15:06Z)

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。