論文の概要: On the Inverse Flow Matching Problem in the One-Dimensional and Gaussian Cases
- arxiv url: http://arxiv.org/abs/2512.23265v1
- Date: Mon, 29 Dec 2025 07:45:36 GMT
- ステータス: 翻訳完了
- システム内更新日: 2025-12-30 22:37:30.433883
- Title: On the Inverse Flow Matching Problem in the One-Dimensional and Gaussian Cases
- Title（参考訳）: 一次元とガウスの逆流マッチング問題について
- Authors: Alexander Korotin, Gudmund Pammer,
- Abstract要約: 本稿では,有限指数モーメントをもつ分布間の流れマッチング(FM)の逆問題について検討する。
これは、フローマッチングモデルの蒸留のような、現代的な生成AIアプリケーションによって動機付けられている。
- 参考スコア（独自算出の注目度）: 58.228512978259026
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: This paper studies the inverse problem of flow matching (FM) between distributions with finite exponential moment, a problem motivated by modern generative AI applications such as the distillation of flow matching models. Uniqueness of the solution is established in two cases - the one-dimensional setting and the Gaussian case. The general multidimensional problem remains open for future studies.
- Abstract（参考訳）: 本稿では,有限指数モーメントをもつ分布間のフローマッチング(FM)の逆問題について考察する。
解の特異性は、一次元の設定とガウスの2つのケースで確立される。
一般的な多次元問題は今後の研究には未解決のままである。
関連論文リスト
- Diffusion models for inverse problems [57.87606622211111]
我々は、長年にわたって提案されてきた様々なアプローチについてレビューする。
視覚障害や高次元データ,データ不足や分散ミスマッチによる問題など,より困難な状況への拡張についても取り上げる。
論文 参考訳（メタデータ） (2025-08-04T01:26:06Z) - Exact Evaluation of the Accuracy of Diffusion Models for Inverse Problems with Gaussian Data Distributions [0.0]
ガウスデータ分布に適用した場合の拡散モデルの精度について検討する。
この制約付き文脈内では、逆問題の理論解と拡散モデルを用いて得られた解との相違を正確に解析することができる。
文献と異なるアルゴリズムの比較が可能である。
論文 参考訳（メタデータ） (2025-07-09T16:36:51Z) - FlowDPS: Flow-Driven Posterior Sampling for Inverse Problems [51.99765487172328]
逆問題解決のための後部サンプリングは,フローを用いて効果的に行うことができる。
Flow-Driven Posterior Smpling (FlowDPS) は最先端の代替手段よりも優れています。
論文 参考訳（メタデータ） (2025-03-11T07:56:14Z) - Solving Linear Inverse Problems Provably via Posterior Sampling with
Latent Diffusion Models [98.95988351420334]
本稿では,事前学習した潜在拡散モデルを利用した線形逆問題の解法を初めて提案する。
線形モデル設定において,証明可能なサンプル回復を示すアルゴリズムを理論的に解析する。
論文 参考訳（メタデータ） (2023-07-02T17:21:30Z) - Variational Laplace Autoencoders [53.08170674326728]
変分オートエンコーダは、遅延変数の後部を近似するために、償却推論モデルを用いる。
完全分解ガウス仮定の限定的後部表現性に対処する新しい手法を提案する。
また、深部生成モデルのトレーニングのための変分ラプラスオートエンコーダ(VLAE)という一般的なフレームワークも提示する。
論文 参考訳（メタデータ） (2022-11-30T18:59:27Z) - Diffusion Posterior Sampling for General Noisy Inverse Problems [50.873313752797124]
我々は、後方サンプリングの近似により、雑音(非線形)逆問題に対処するために拡散解法を拡張した。
本手法は,拡散モデルが様々な計測ノイズ統計を組み込むことができることを示す。
論文 参考訳（メタデータ） (2022-09-29T11:12:27Z) - Differentiable Gaussianization Layers for Inverse Problems Regularized by Deep Generative Models [5.439020425819001]
深部生成モデルの潜時テンソルは、反転中に所望の高次元標準ガウス分布から外れる可能性があることを示す。
提案手法は精度と整合性の観点から最先端の性能を実現する。
論文 参考訳（メタデータ） (2021-12-07T17:53:09Z)
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。