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

• 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)

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。