論文の概要: Optimal Stopping in Latent Diffusion Models
- arxiv url: http://arxiv.org/abs/2510.08409v1
- Date: Thu, 09 Oct 2025 16:28:48 GMT
- ステータス: 翻訳完了
- システム内更新日: 2025-10-10 17:54:15.199601
- Title: Optimal Stopping in Latent Diffusion Models
- Title（参考訳）: 潜時拡散モデルにおける最適停止
- Authors: Yu-Han Wu, Quentin Berthet, Gérard Biau, Claire Boyer, Romuald Elie, Pierre Marion,
- Abstract要約: 我々は,拡散の最終段階が試料の品質を劣化させる,潜在拡散モデル(LDM)の驚くべき現象を特定し,解析する。
潜伏次元と停止時間の間の相互作用を分析することによって、原理的な説明を提供する。
- 参考スコア（独自算出の注目度）: 22.471547966218278
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: We identify and analyze a surprising phenomenon of Latent Diffusion Models (LDMs) where the final steps of the diffusion can degrade sample quality. In contrast to conventional arguments that justify early stopping for numerical stability, this phenomenon is intrinsic to the dimensionality reduction in LDMs. We provide a principled explanation by analyzing the interaction between latent dimension and stopping time. Under a Gaussian framework with linear autoencoders, we characterize the conditions under which early stopping is needed to minimize the distance between generated and target distributions. More precisely, we show that lower-dimensional representations benefit from earlier termination, whereas higher-dimensional latent spaces require later stopping time. We further establish that the latent dimension interplays with other hyperparameters of the problem such as constraints in the parameters of score matching. Experiments on synthetic and real datasets illustrate these properties, underlining that early stopping can improve generative quality. Together, our results offer a theoretical foundation for understanding how the latent dimension influences the sample quality, and highlight stopping time as a key hyperparameter in LDMs.
- Abstract（参考訳）: 我々は,拡散の最終段階が試料の品質を劣化させる,潜在拡散モデル(LDM)の驚くべき現象を特定し,解析する。
数値安定性の早期停止を正当化する従来の議論とは対照的に、この現象は LDM の次元減少に固有のものである。
潜伏次元と停止時間の間の相互作用を分析することによって、原理的な説明を提供する。
線形オートエンコーダを持つガウス的フレームワークでは,生成分布と対象分布との距離を最小化するために早期停止が必要な条件を特徴付ける。
より正確には、低次元表現は早期終了の恩恵を受けるが、高次元の潜在空間は後続の停止時間を必要とする。
さらに、潜在次元は、スコアマッチングのパラメータの制約など、問題の他のハイパーパラメータと相互作用することを示す。
合成データセットと実データセットの実験では、これらの特性が示され、早期停止は生成的品質を向上させる。
その結果, 潜伏次元が試料品質にどのような影響を及ぼすかを理解するための理論的基盤を提供し, LDMにおける重要なハイパーパラメーターとして停止時間を強調した。
関連論文リスト
- On latent dynamics learning in nonlinear reduced order modeling [0.6249768559720122]
本稿では,パラメータ化非線形時間依存PDEの次数モデリングのための潜在力学モデル(LDM)の数学的枠組みを提案する。
フルオーダーモデル (FOM) 解の LDM 近似に対する誤差と安定性の推定を導出するために, 時間連続的な設定を用いる。
ディープニューラルネットワークは離散LDM成分を近似し、FOMに関して有界近似誤差を提供する。
論文 参考訳（メタデータ） (2024-08-27T16:35:06Z) - A Study of Posterior Stability for Time-Series Latent Diffusion [59.41969496514184]
まず,後部崩壊により可変オートエンコーダ(VAE)への潜伏拡散が減少し,表現性が低下することを示す。
次に、入力変数に対するリカレントデコーダの感度を定量化する、依存性測度という原則的手法を導入する。
理論的および実証的研究に基づいて,潜伏拡散を延長し,後部が安定な新しい枠組みを導入する。
論文 参考訳（メタデータ） (2024-05-22T21:54:12Z) - Multi-fidelity reduced-order surrogate modeling [5.346062841242067]
我々は,次元削減と多要素ニューラルネットワークのサロゲートを組み合わせた新しいデータ駆動型戦略を提案する。
このサロゲート法により不安定性と過渡性の開始が良好に捉えられることを示す。
論文 参考訳（メタデータ） (2023-09-01T08:16:53Z) - Switching Autoregressive Low-rank Tensor Models [12.461139675114818]
自己回帰型低ランクテンソル(SALT)モデルを切り替える方法について述べる。
SALTはARHMMのテンソルを低ランクの分解でパラメータ化し、パラメータの数を制御する。
本稿では,SALT,線形力学系,SLDS間の実用的関係を理論的に検証し議論する。
論文 参考訳（メタデータ） (2023-06-05T22:25:28Z) - Reconstructing Graph Diffusion History from a Single Snapshot [87.20550495678907]
A single SnapsHot (DASH) から拡散履歴を再構築するための新しいバリセンターの定式化を提案する。
本研究では,拡散パラメータ推定のNP硬度により,拡散パラメータの推定誤差が避けられないことを証明する。
また、DITTO(Diffusion hitting Times with Optimal proposal)という効果的な解法も開発している。
論文 参考訳（メタデータ） (2023-06-01T09:39:32Z)
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。