論文の概要: Random-Bridges as Stochastic Transports for Generative Models

• arxiv url: http://arxiv.org/abs/2512.14190v1
• Date: Tue, 16 Dec 2025 08:37:19 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-12-17 16:49:26.640806
• Title: Random-Bridges as Stochastic Transports for Generative Models
• Title（参考訳）: 生成モデルのための確率輸送としてのランダムブリッジ
• Authors: Stefano Goria, Levent A. Mengütürk, Murat C. Mengütürk, Berkan Sesen,
• Abstract要約: 本稿では,ランダムブリッジ(固定時間開始時の目標分布を推定する条件付きプロセス)の使用を動機とする。 一般的な確率的ステートメントから始めて、学習とシミュレーションアルゴリズムのための特定の表現に分岐する方法を示す。
• 参考スコア（独自算出の注目度）: 1.2599533416395763
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: This paper motivates the use of random-bridges -- stochastic processes conditioned to take target distributions at fixed timepoints -- in the realm of generative modelling. Herein, random-bridges can act as stochastic transports between two probability distributions when appropriately initialized, and can display either Markovian or non-Markovian, and either continuous, discontinuous or hybrid patterns depending on the driving process. We show how one can start from general probabilistic statements and then branch out into specific representations for learning and simulation algorithms in terms of information processing. Our empirical results, built on Gaussian random bridges, produce high-quality samples in significantly fewer steps compared to traditional approaches, while achieving competitive Frechet inception distance scores. Our analysis provides evidence that the proposed framework is computationally cheap and suitable for high-speed generation tasks.
• Abstract（参考訳）: 本稿では, 生成モデリングの領域において, ランダムブリッジ (確率的プロセス) を, 一定時間点における対象分布を捉えることを目的とした。 ここで、ランダムブリッジは、適切に初期化されるときに2つの確率分布の間の確率的輸送として機能し、マルコフ的または非マルコフ的または連続的、不連続またはハイブリッド的パターンを駆動過程に応じて表示することができる。 一般的な確率的ステートメントから始めて、情報処理の観点から学習とシミュレーションアルゴリズムの特定の表現に分岐する方法を示す。 ガウスのランダムブリッジ上に構築された実験結果は、競争力のあるFrechet開始距離スコアを達成しつつ、従来の手法に比べて非常に少ないステップで高品質なサンプルを生成する。 本分析は,提案手法が計算コストが低く,高速な生成タスクに適していることを示す。

関連論文リスト

• Efficiently Generating Correlated Sample Paths from Multi-step Time Series Foundation Models [66.60042743462175]
  時系列基礎モデルから正確な相関サンプルパスを効率的に生成するためのコプラに基づく手法を提案する。 提案手法は, 自己回帰サンプリングよりもはるかに高速に相関したサンプルパスを生成する。
  論文  参考訳（メタデータ） (2025-10-02T17:08:58Z)
• Probabilistic Forecasting of Real-Time Electricity Market Signals via Interpretable Generative AI [41.99446024585741]
  Weak Innovation AutoEncoderをベースとしたGenerative Probabilistic ForecastingアーキテクチャであるWIAE-GPFを提案する。 構造収束を保証する新しい学習アルゴリズムを提案し、生成した予測サンプルが基底真理条件付き確率分布と一致することを保証した。
  論文  参考訳（メタデータ） (2024-03-09T00:41:30Z)
• Logistic-beta processes for dependent random probabilities with beta marginals [58.91121576998588]
  本稿では,ロジスティック・ベータプロセスと呼ばれる新しいプロセスを提案する。 本稿では,提案したロジスティックベータプロセスを用いて,計算処理可能な非パラメトリックモデルの設計を行う方法について述べる。
  論文  参考訳（メタデータ） (2024-02-10T21:41:32Z)
• Stable generative modeling using Schrödinger bridges [0.22499166814992438]
  本稿では,Schr"odinger BridgesとLangevin dynamicsを組み合わせた生成モデルを提案する。 我々のフレームワークは自然に条件付きサンプルを生成し、ベイズ推論問題に拡張することができる。
  論文  参考訳（メタデータ） (2024-01-09T06:15:45Z)
• Provably Convergent Schr\"odinger Bridge with Applications to Probabilistic Time Series Imputation [21.27702285561771]
  近似射影に基づくSchr"odinger Bridgeアルゴリズムの1次収束解析を提案する。 実例として,観測データに条件付き欠落値を生成することにより,確率的時系列計算にSBPを適用した。
  論文  参考訳（メタデータ） (2023-05-12T04:39:01Z)
• Applying Regularized Schr\"odinger-Bridge-Based Stochastic Process in Generative Modeling [0.0]
  本研究は,時間ステップ数とトレーニング時間を削減し,双方向プロセスと時間ステップ数との整合性を確保するための正規化条件を提案する。 この正規化を様々なタスクに適用することにより、より高速なサンプリング速度のプロセスに基づく生成モデリングの可能性を確認することができる。
  論文  参考訳（メタデータ） (2022-08-15T11:52:33Z)
• Distributionally Robust Models with Parametric Likelihood Ratios [123.05074253513935]
  3つの単純なアイデアにより、より広いパラメトリックな確率比のクラスを用いてDROでモデルを訓練することができる。 パラメトリック逆数を用いてトレーニングしたモデルは、他のDROアプローチと比較して、サブポピュレーションシフトに対して一貫して頑健であることがわかった。
  論文  参考訳（メタデータ） (2022-04-13T12:43:12Z)
• Sampling from Arbitrary Functions via PSD Models [55.41644538483948]
  まず確率分布をモデル化し,そのモデルからサンプリングする。 これらのモデルでは, 少数の評価値を用いて, 高精度に多数の密度を近似することが可能であることが示され, それらのモデルから効果的にサンプルする簡単なアルゴリズムが提示される。
  論文  参考訳（メタデータ） (2021-10-20T12:25:22Z)
• Efficiently Sampling Functions from Gaussian Process Posteriors [76.94808614373609]
  高速後部サンプリングのための簡易かつ汎用的なアプローチを提案する。 分離されたサンプルパスがガウス過程の後部を通常のコストのごく一部で正確に表現する方法を実証する。
  論文  参考訳（メタデータ） (2020-02-21T14:03:16Z)

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。