論文の概要: Control Consistency Losses for Diffusion Bridges
- arxiv url: http://arxiv.org/abs/2512.05070v1
- Date: Thu, 04 Dec 2025 18:31:39 GMT
- ステータス: 翻訳完了
- システム内更新日: 2025-12-05 21:11:46.317749
- Title: Control Consistency Losses for Diffusion Bridges
- Title(参考訳): 拡散橋の制御整合性損失
- Authors: Samuel Howard, Nikolas Nüsken, Jakiw Pidstrigach,
- Abstract要約: 拡散過程の条件付きダイナミクスのシミュレーションは、初期状態と終端状態を考えると、科学において重要であるが難しい問題である。
我々は、条件付き力学の自己整合性を利用して、反復的なオンライン手法で拡散ブリッジを学習し、様々な設定で有望な経験結果を示す。
- 参考スコア(独自算出の注目度): 5.167904179040144
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Simulating the conditioned dynamics of diffusion processes, given their initial and terminal states, is an important but challenging problem in the sciences. The difficulty is particularly pronounced for rare events, for which the unconditioned dynamics rarely reach the terminal state. In this work, we leverage a self-consistency property of the conditioned dynamics to learn the diffusion bridge in an iterative online manner, and demonstrate promising empirical results in a range of settings.
- Abstract(参考訳): 拡散過程の条件付きダイナミクスのシミュレーションは、初期状態と終端状態を考えると、科学において重要であるが難しい問題である。
この困難さは稀な事象に対して特に顕著であり、非条件のダイナミクスが終端状態に達することはめったにない。
本研究では、条件付き力学の自己整合性を利用して、反復的なオンライン手法で拡散ブリッジを学習し、様々な設定で有望な経験結果を示す。
関連論文リスト
- Theoretical Closed-loop Stability Bounds for Dynamical System Coupled with Diffusion Policies [39.499082381148035]
本研究は、作用を実行する前に部分的にしか除音処理を行わない可能性について研究し、コンピュータ上で進行する逆時間拡散ダイナミクスと平行して植物が動的に進化することを可能にする。
この研究の貢献により、高速な模倣学習のためのフレームワークと、デモのばらつきに基づいてコントローラが安定しているかどうかを判断するメトリクスが提供される。
論文 参考訳(メタデータ) (2025-11-19T15:13:08Z) - Coevolutionary Continuous Discrete Diffusion: Make Your Diffusion Language Model a Latent Reasoner [66.86440230599656]
拡散言語モデルは必ずしも離散空間にある必要はないと主張する。
特に、連続拡散モデルが離散拡散やループ変換器よりも強い表現性を持つことを示す。
本稿では,連続表現空間と離散トークン空間の結合に関する共同多モード拡散過程を定義する共進化連続拡散法(CCDD)を提案する。
論文 参考訳(メタデータ) (2025-10-03T17:44:41Z) - DCDB: Dynamic Conditional Dual Diffusion Bridge for Ill-posed Multi-Tasks [6.156822646166696]
本研究では, 動的条件付き二重拡散橋の訓練パラダイムを提案する。
本研究では,1段階の認知過程において,異なる条件下でのネットワークの学習目標を解析する。
公開データセット上の複数の指標で最高のパフォーマンスを達成する。
論文 参考訳(メタデータ) (2025-09-03T06:12:53Z) - Dynamical Diffusion: Learning Temporal Dynamics with Diffusion Models [71.63194926457119]
動的拡散(DyDiff, Dynamical Diffusion)は, 時間的に意識された前と逆のプロセスを含む理論的に健全なフレームワークである。
科学的時間的予測、ビデオ予測、時系列予測に関する実験は、動的拡散が時間的予測タスクのパフォーマンスを一貫して改善することを示した。
論文 参考訳(メタデータ) (2025-03-02T16:10:32Z) - Conditional Variable Flow Matching: Transforming Conditional Densities with Amortized Conditional Optimal Transport [0.0]
本研究では,連続条件変数間のアモート化を伴う条件分布の変換を学習するフレームワークを提案する。
特に、メイン変数とコンディショニング変数の同時サンプル条件付きフローは、条件付きワッサースタイン距離と損失再重み付けカーネル条件付き最適輸送とを併せ持つ。
CVFMは、離散的かつ連続的な条件付きマッピングベンチマーク、画像から画像へのドメイン転送、製造過程における材料内部構造の時間的進化をモデル化するなど、ますます困難な問題群で実証する。
論文 参考訳(メタデータ) (2024-11-13T03:42:55Z) - Visualizing Dynamics of Charges and Strings in (2+1)D Lattice Gauge Theories [103.95523007319937]
格子ゲージ理論(LGT)は、幅広い現象を理解するために用いられる。
本稿では,超伝導量子ビットの二次元格子を用いた$mathZ$ LGTにおける局所励起のダイナミクスについて検討する。
提案手法により,(2+1)D LGTにおける文字列のダイナミックスを実験的に画像化することができる。
論文 参考訳(メタデータ) (2024-09-25T17:59:05Z) - Sequential Representation Learning via Static-Dynamic Conditional Disentanglement [58.19137637859017]
本稿では,ビデオ中の時間非依存要因と時間変化要因を分離することに着目し,逐次的データ内での自己教師付き不整合表現学習について検討する。
本稿では,静的/動的変数間の因果関係を明示的に考慮し,それらの因子間の通常の独立性仮定を破る新しいモデルを提案する。
実験により、提案手法は、シーンのダイナミックスが内容に影響されるシナリオにおいて、従来の複雑な最先端技術よりも優れていることが示された。
論文 参考訳(メタデータ) (2024-08-10T17:04:39Z) - Observation of Time-Crystalline Eigenstate Order on a Quantum Processor [80.17270167652622]
量子体系は、その低温平衡状態において豊富な相構造を示す。
超伝導量子ビット上の固有状態秩序DTCを実験的に観測する。
結果は、現在の量子プロセッサ上での物質の非平衡相を研究するためのスケーラブルなアプローチを確立する。
論文 参考訳(メタデータ) (2021-07-28T18:00:03Z) - Probing eigenstate thermalization in quantum simulators via
fluctuation-dissipation relations [77.34726150561087]
固有状態熱化仮説(ETH)は、閉量子多体系の平衡へのアプローチの普遍的なメカニズムを提供する。
本稿では, ゆらぎ・散逸関係の出現を観測し, 量子シミュレータのフルETHを探索する理論に依存しない経路を提案する。
我々の研究は、量子シミュレータにおける熱化を特徴づける理論に依存しない方法を示し、凝縮物質ポンプ-プローブ実験をシミュレーションする方法を舗装する。
論文 参考訳(メタデータ) (2020-07-20T18:00:02Z)
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。