Fugu-MT 論文翻訳(概要): Y-shaped Generative Flows

論文の概要: Y-shaped Generative Flows

arxiv url: http://arxiv.org/abs/2510.11955v1
Date: Mon, 13 Oct 2025 21:33:37 GMT
ステータス: 翻訳完了
システム内更新日: 2025-10-15 19:02:32.099162
Title: Y-shaped Generative Flows
Title（参考訳）: Y字型生成流れ
Authors: Arip Asadulaev, Semyon Semenov, Abduragim Shtanchaev, Eric Moulines, Fakhri Karray, Martin Takac,
Abstract要約: 我々は,Y字型生成フローを導入し,確率質量を分岐前の共有経路に沿って移動させる。合成、画像、生物学のデータセットでは、Yフローは階層構造を回復し、強いフローベースのベースラインを越えて分散メトリクスを改善し、より少ない統合ステップでターゲットに到達する。
参考スコア（独自算出の注目度）: 23.602025081791187
License: http://creativecommons.org/licenses/by/4.0/
Abstract: Modern continuous-time generative models often induce V-shaped transport: each sample travels independently along nearly straight trajectories from prior to data, overlooking shared structure. We introduce Y-shaped generative flows, which move probability mass together along shared pathways before branching to target-specific endpoints. Our formulation is based on novel velocity-powered transport cost with a sublinear exponent (between zero and one). this concave dependence rewards joint and fast mass movement. Practically, we instantiate the idea in a scalable neural ODE training objective. On synthetic, image, and biology datasets, Y-flows recover hierarchy-aware structure, improve distributional metrics over strong flow-based baselines, and reach targets with fewer integration steps.
Abstract（参考訳）: 現代の連続時間生成モデルは、しばしばV字型の輸送を誘導し、各サンプルはデータからほぼ直線的な軌道に沿って独立に移動し、共有構造を見渡せる。我々は,Y字型生成フローを導入し,確率質量を分岐前の共有経路に沿って移動させる。我々の定式化は、(0と1の間に)サブリニア指数を持つ新しい速度駆動輸送コストに基づいている。この凹凸依存は連帯と高速の質量移動を報いる実際、我々はこのアイデアをスケーラブルなニューラルODEトレーニングの目標としてインスタンス化する。合成、画像、生物学のデータセットでは、Yフローは階層構造を回復し、強いフローベースのベースラインを越えて分散メトリクスを改善し、より少ない統合ステップでターゲットに到達する。

関連論文リスト

Flow Matching is Adaptive to Manifold Structures [32.55405572762157]
フローマッチングは拡散に基づく生成モデルに代わるシミュレーションベースである。フローマッチングがデータ幾何学にどのように適応し、次元の呪いを回避するかを示す。
論文参考訳（メタデータ） (2026-02-25T23:52:32Z)
Categorical Flow Maps [42.309126712129384]
カテゴリーフローマップ(Categorical Flow Map)は, 自己蒸留による数段階のカテゴリーデータ生成を高速化するフローマッチング手法である。画像, 分子グラフ, テキストにおける最先端数ステップの結果を, 単一ステップ生成においても高い性能で達成する。
論文参考訳（メタデータ） (2026-02-12T18:10:46Z)
Unified Biomolecular Trajectory Generation via Pretrained Variational Bridge [19.279397111680115]
本稿では,初期構造を雑音のある潜在空間にマッピングし,ステージ固有の目標に向けて輸送する,事前訓練変分橋(PVB)を提案する。これにより、単一構造とペアの軌道データの両方のトレーニングを統一し、ドメイン間の構造的知識を一貫した使用を可能にする。タンパク質とタンパク質-リガンド複合体の実験により、PVBはMDから熱力学的および運動論的観測物を忠実に再現し、安定かつ効率的な生成力学を提供することを示した。
論文参考訳（メタデータ） (2026-02-07T15:32:37Z)
An Eulerian Perspective on Straight-Line Sampling [0.0]
本研究では, 生成モデリングのための動的測度輸送, 特に, 特定のソースとターゲット分布をブリッジするプロセスによって誘導される流れについて検討する。我々は、どのプロセスが直線流を生成するか、すなわち、点加速度が消滅し、従って一階法と完全に統合可能なフローを問う。本研究では、条件加速度と重み付き共分散(レイノルズ)テンソルのばらつきのバランスとして、直線性の簡潔なPDE特性を提供する。
論文参考訳（メタデータ） (2025-10-13T17:33:58Z)
Kuramoto Orientation Diffusion Models [67.0711709825854]
指紋やテクスチャなどのオリエンテーションに富んだ画像は、しばしばコヒーレントな角模様を示す。生体系における位相同期の役割を動機として,スコアベース生成モデルを提案する。一般的な画像ベンチマークで競合する結果を実装し,指紋やテクスチャなどの指向性データセットの生成品質を大幅に向上する。
論文参考訳（メタデータ） (2025-09-18T18:18:49Z)
FORT: Forward-Only Regression Training of Normalizing Flows [85.66894616735752]
我々は,古典正規化フローを,精度の高い一段階生成モデルとして再考する。本稿では,従来の最大度学習で用いられる可変式の変更を計算する必要のない,スケーラブルな学習目標を提案する。
論文参考訳（メタデータ） (2025-06-01T20:32:27Z)
How to build a consistency model: Learning flow maps via self-distillation [18.299322342860517]
フローベース生成モデルは最先端のサンプルの品質を達成するが、推論時に微分方程式の高価な解を必要とする。これらのモデルには、実際に効率的に学習する方法を明確に説明する統一的な記述がない。本稿では,フローや拡散モデルに関連するフローマップを直接学習するための体系的なアルゴリズムフレームワークを提案する。
論文参考訳（メタデータ） (2025-05-24T18:50:50Z)
Not-So-Optimal Transport Flows for 3D Point Cloud Generation [58.164908756416615]
3次元点雲の生成モデルの学習は、3次元点雲の生成学習における根本的な問題の1つである。本稿では,最近提案された同変OTフローを解析し,点ベース分子データに対する置換不変な生成モデルを学習する。提案手法は, 広範囲な非条件生成および形状完備化において, 拡散および流動に基づく事前アプローチよりも優れていることを示す。
論文参考訳（メタデータ） (2025-02-18T02:37:34Z)
Stochastic interpolants with data-dependent couplings [31.854717378556334]
補間剤の枠組みを用いて、ベースとターゲット密度を補間する方法を定式化する。これらのトランスポートマップは、標準的な独立な設定に類似した単純な2乗損失回帰問題を解くことで学習可能であることを示す。
論文参考訳（メタデータ） (2023-10-05T17:46:31Z)
Latent Traversals in Generative Models as Potential Flows [113.4232528843775]
我々は,学習された動的ポテンシャルランドスケープを持つ潜在構造をモデル化することを提案する。物理、最適輸送、神経科学にインスパイアされたこれらの潜在的景観は、物理的に現実的な偏微分方程式として学習される。本手法は,最先端のベースラインよりも定性的かつ定量的に歪んだ軌跡を実現する。
論文参考訳（メタデータ） (2023-04-25T15:53:45Z)
Manifold Interpolating Optimal-Transport Flows for Trajectory Inference [64.94020639760026]
最適輸送流(MIOFlow)を補間するマニフォールド補間法を提案する。 MIOFlowは、散発的なタイムポイントで撮影された静的スナップショットサンプルから、連続的な人口動態を学習する。本手法は, 胚体分化および急性骨髄性白血病の治療から得られたscRNA-seqデータとともに, 分岐とマージによるシミュレーションデータについて検討した。
論文参考訳（メタデータ） (2022-06-29T22:19:03Z)
Haar Wavelet based Block Autoregressive Flows for Trajectories [129.37479472754083]
歩行者等の軌道予測は,自律型エージェントの性能向上に不可欠である。本稿では分割結合を利用した新しいハールウェーブレットに基づくブロック自己回帰モデルを提案する。実世界の2つのデータセット上で、多種多様な正確な軌跡を生成するアプローチの利点について説明する。
論文参考訳（メタデータ） (2020-09-21T13:57:10Z)
TrajectoryNet: A Dynamic Optimal Transport Network for Modeling Cellular Dynamics [74.43710101147849]
本稿では,動的最適輸送を実現するために,分布間の連続経路を制御するTrjectoryNetを提案する。単細胞RNAシークエンシング(scRNA-seq)技術から得られたデータにおける細胞動態の研究において、これが特に当てはまるかを示す。
論文参考訳（メタデータ） (2020-02-09T21:00:38Z)

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。