Fugu-MT 論文翻訳(概要): Diffusion differentiable resampling

論文の概要: Diffusion differentiable resampling

arxiv url: http://arxiv.org/abs/2512.10401v1
Date: Thu, 11 Dec 2025 08:08:55 GMT
ステータス: 翻訳完了
システム内更新日: 2025-12-12 16:15:42.269449
Title: Diffusion differentiable resampling
Title（参考訳）: 拡散微分可能な再サンプリング
Authors: Jennifer Rosina Andersson, Zheng Zhao,
Abstract要約: 本論文は、連続モンテカルロ(例えば、粒子フィルタリング)の文脈における微分可能再サンプリングに関するものである。そこで我々は,アンサンブルスコア拡散モデルに基づいて,瞬時にパスワイズで識別可能な新しい情報再サンプリング手法を提案する。
参考スコア（独自算出の注目度）: 2.5500917971385966
License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
Abstract: This paper is concerned with differentiable resampling in the context of sequential Monte Carlo (e.g., particle filtering). We propose a new informative resampling method that is instantly pathwise differentiable, based on an ensemble score diffusion model. We prove that our diffusion resampling method provides a consistent estimate to the resampling distribution, and we show by experiments that it outperforms the state-of-the-art differentiable resampling methods when used for stochastic filtering and parameter estimation.
Abstract（参考訳）: 本稿では, 連続モンテカルロ(例えば, 粒子フィルタリング)の文脈における微分可能再サンプリングについて検討する。そこで我々は,アンサンブルスコア拡散モデルに基づいて,瞬時にパスワイズで識別可能な新しい情報再サンプリング手法を提案する。我々は拡散再サンプリング法が再サンプリング分布に一貫した推定を与えることを証明し、確率的フィルタリングやパラメータ推定に使用する場合の最先端の微分再サンプリング法よりも優れた性能を示すことを示す。

関連論文リスト

Diffusion Path Samplers via Sequential Monte Carlo [0.31690235522182103]
正規化定数まで既知のターゲット分布に対する拡散型サンプリング器を開発した。我々のアプローチは拡散アニール型ランゲバンモンテカルロの実践的実装に基づいている。提案手法の有効性を理論的に検証し,いくつかの合成および実世界のデータセット上で実証する。
論文参考訳（メタデータ） (2026-01-29T16:32:12Z)
Diffusing Differentiable Representations [60.72992910766525]
本稿では,事前学習した拡散モデルを用いて,微分可能な表現(拡散)をサンプリングする,新しい学習自由な手法を提案する。差分によって引き起こされるサンプルに対する暗黙の制約を特定し、この制約に対処することで、生成されたオブジェクトの一貫性と詳細が大幅に改善されることを示す。
論文参考訳（メタデータ） (2024-12-09T20:42:58Z)
Amortized Posterior Sampling with Diffusion Prior Distillation [55.03585818289934]
Amortized Posterior Smplingは、逆問題における効率的な後方サンプリングのための新しい変分推論手法である。本手法は,拡散モデルにより暗黙的に定義された変動分布と後続分布とのばらつきを最小限に抑えるために条件付き流れモデルを訓練する。既存の手法とは異なり、我々のアプローチは教師なしであり、ペア化されたトレーニングデータを必要としておらず、ユークリッドと非ユークリッドの両方のドメインに適用できる。
論文参考訳（メタデータ） (2024-07-25T09:53:12Z)
New algorithms for sampling and diffusion models [0.0]
本稿では,未知分布を持つ拡散生成モデルのための新しいサンプリング手法と新しいアルゴリズムを提案する。我々のアプローチは、拡散生成モデルにおいて広く採用されている逆拡散過程の概念に着想を得たものである。
論文参考訳（メタデータ） (2024-06-14T02:30:04Z)
Improved off-policy training of diffusion samplers [93.66433483772055]
本研究では,非正規化密度やエネルギー関数を持つ分布からサンプルを抽出する拡散モデルの訓練問題について検討する。シミュレーションに基づく変分法や非政治手法など,拡散構造推論手法のベンチマークを行った。我々の結果は、過去の研究の主張に疑問を投げかけながら、既存のアルゴリズムの相対的な利点を浮き彫りにした。
論文参考訳（メタデータ） (2024-02-07T18:51:49Z)
MINDE: Mutual Information Neural Diffusion Estimation [7.399561232927219]
確率変数間の相互情報(MI)を推定するための新しい手法を提案する。スコアベース拡散モデルを用いて、スコア関数間の差分として2つの密度間のクルバック・リーブラーの偏差を推定する。副産物として,確率変数のエントロピーの推定も可能である。
論文参考訳（メタデータ） (2023-10-13T11:47:41Z)
Unsupervised Learning of Sampling Distributions for Particle Filters [80.6716888175925]
観測結果からサンプリング分布を学習する4つの方法を提案する。実験により、学習されたサンプリング分布は、設計された最小縮退サンプリング分布よりも優れた性能を示すことが示された。
論文参考訳（メタデータ） (2023-02-02T15:50:21Z)
Score-based Continuous-time Discrete Diffusion Models [102.65769839899315]
連続時間マルコフ連鎖を介して逆過程が認知されるマルコフジャンププロセスを導入することにより、拡散モデルを離散変数に拡張する。条件境界分布の単純なマッチングにより、偏りのない推定器が得られることを示す。提案手法の有効性を,合成および実世界の音楽と画像のベンチマークで示す。
論文参考訳（メタデータ） (2022-11-30T05:33:29Z)
How Much is Enough? A Study on Diffusion Times in Score-based Generative Models [76.76860707897413]
現在のベストプラクティスは、フォワードダイナミクスが既知の単純なノイズ分布に十分に近づくことを確実にするために大きなTを提唱している。本稿では, 理想とシミュレーションされたフォワードダイナミクスのギャップを埋めるために補助モデルを用いて, 標準的な逆拡散過程を導出する方法について述べる。
論文参考訳（メタデータ） (2022-06-10T15:09:46Z)

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。