論文の概要: Tensor Gauge Flow Models
- arxiv url: http://arxiv.org/abs/2511.17616v1
- Date: Tue, 18 Nov 2025 13:24:21 GMT
- ステータス: 翻訳完了
- システム内更新日: 2025-11-25 18:34:24.296667
- Title: Tensor Gauge Flow Models
- Title（参考訳）: テンソルゲージ流モデル
- Authors: Alexander Strunk, Roland Assam,
- Abstract要約: ゲージフローモデルは,高次ゲージ場をフロー方程式に組み込むことで,ゲージフローモデルとゲージ高次フローモデルを一般化する。
この拡張により、モデルはデータ内のよりリッチで幾何学的なゲージ理論構造を符号化することができ、より表現力のある流れのダイナミクスをもたらす。
- 参考スコア（独自算出の注目度）: 41.99844472131922
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: This paper introduces Tensor Gauge Flow Models, a new class of Generative Flow Models that generalize Gauge Flow Models and Higher Gauge Flow Models by incorporating higher-order Tensor Gauge Fields into the Flow Equation. This extension allows the model to encode richer geometric and gauge-theoretic structure in the data, leading to more expressive flow dynamics. Experiments on Gaussian mixture models show that Tensor Gauge Flow Models achieve improved generative performance compared to both standard and gauge flow baselines.
- Abstract（参考訳）: 本稿では,高次テンソルゲージ場をフロー方程式に組み込むことで,ゲージフローモデルと高次ゲージフローモデルを一般化する新しい生成フローモデルであるテンソルゲージフローモデルを紹介する。
この拡張により、モデルはデータ内のよりリッチな幾何学的およびゲージ理論的な構造を符号化することができ、より表現力のある流れのダイナミクスをもたらす。
ガウス混合モデルを用いた実験により, テンソルゲージ流モデルでは, 標準およびゲージ流ベースラインと比較して, 生成性能が向上することが示された。
関連論文リスト
- Higher Gauge Flow Models [44.99833362998488]
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。
論文 参考訳（メタデータ） (2025-07-22T08:16:06Z) - 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) - 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) - 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)
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。