論文の概要: Energy-Tweedie: Score meets Score, Energy meets Energy

• arxiv url: http://arxiv.org/abs/2512.23818v1
• Date: Mon, 29 Dec 2025 19:28:50 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-01-01 23:27:28.185615
• Title: Energy-Tweedie: Score meets Score, Energy meets Energy
• Title（参考訳）: エネルギー・ツイーディ:ScoreはScoreに、EnergyはEnergyに
• Authors: Andrej Leban,
• Abstract要約: 我々は、余分な$P(X|Y)$をエネルギースコア(スコアリング規則)として考える。 我々は、非ユークリッドエネルギースコアの(パス-)微分をノイズ境界値のスコアに結びつける基本的な恒等式を導出する。 このアイデンティティは、エネルギースコアに対するツイーディのアイデンティティの類似と見なすことができ、いくつかの興味深い応用を可能にしている。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Denoising and score estimation have long been known to be linked via the classical Tweedie's formula. In this work, we first extend the latter to a wider range of distributions often called "energy models" and denoted elliptical distributions in this work. Next, we examine an alternative view: we consider the denoising posterior $P(X|Y)$ as the optimizer of the energy score (a scoring rule) and derive a fundamental identity that connects the (path-) derivative of a (possibly) non-Euclidean energy score to the score of the noisy marginal. This identity can be seen as an analog of Tweedie's identity for the energy score, and allows for several interesting applications; for example, score estimation, noise distribution parameter estimation, as well as using energy score models in the context of "traditional" diffusion model samplers with a wider array of noising distributions.
• Abstract（参考訳）: Denoising と score Estimation は古典的なツイーディの公式を通してリンクされていることが知られている。 この研究において、まず後者を「エネルギーモデル」と呼ばれるより広い範囲の分布に拡張し、この研究において楕円分布を示す。 次に、後続の$P(X|Y)$をエネルギースコア(スコアリング規則)のオプティマイザとみなし、(おそらく)非ユークリッドエネルギースコアの(パス-)微分をノイズ境界値のスコアに結びつける基本的なアイデンティティを導出する。 このアイデンティティは、エネルギースコアに対するツイーディのアイデンティティの類似と見なすことができ、例えば、スコア推定、ノイズ分布パラメータ推定、およびより広いノイズ分布の配列を持つ「伝統的な」拡散モデルサンプリングの文脈でのエネルギースコアモデルの使用など、いくつかの興味深い応用を可能にしている。

関連論文リスト

• Learning normalized image densities via dual score matching [20.28563972621641]
  拡散生成モデルにインスパイアされた固有化エネルギー(log probability)モデルを学習するための新しいフレームワークを提案する。 我々は、その帰納バイアスを保ちながらエネルギーを計算するためにスコアネットワークアーキテクチャを変更した。 重なり合わないデータサブセットでトレーニングされた2つのネットワークで推定されたログ確率は、ほぼ同一である。
  論文  参考訳（メタデータ） (2025-06-05T17:53:57Z)
• Adaptive Variational Inference in Probabilistic Graphical Models: Beyond Bethe, Tree-Reweighted, and Convex Free Energies [11.08731776888252]
  上記の方法を含む近似の2つのクラスを特殊ケースとして解析する。 本稿では,与えられたモデルに自動的に適応する近似を提案し,その有効性を示す。
  論文  参考訳（メタデータ） (2025-02-05T16:33:59Z)
• Theory on Score-Mismatched Diffusion Models and Zero-Shot Conditional Samplers [49.97755400231656]
  一般のスコアミスマッチ拡散サンプリング器に対する明示的な次元依存性を持つ最初の性能保証を示す。 その結果, スコアミスマッチは, 目標分布とサンプリング分布の分布バイアスとなり, 目標分布とトレーニング分布の累積ミスマッチに比例することがわかった。 この結果は、測定ノイズに関係なく、任意の条件モデルに対するゼロショット条件付きサンプリングに直接適用することができる。
  論文  参考訳（メタデータ） (2024-10-17T16:42:12Z)
• MCMC-Correction of Score-Based Diffusion Models for Model Composition [2.682859657520006]
  拡散モデルは、スコアやエネルギー関数の観点からパラメータ化することができる。 スコア関数の行積分に基づく新しいMH型受入規則を導入する。
  論文  参考訳（メタデータ） (2023-07-26T07:50:41Z)
• Glocal Energy-based Learning for Few-Shot Open-Set Recognition [57.84234213466372]
  FSOR(Few-shot Open-set Recognition)は、非常に実用的なタスクである。 FSORのための新しいエネルギーベースハイブリッドモデルを提案する。 3つの標準FSORデータセットの実験は、我々のモデルの優れた性能を示している。
  論文  参考訳（メタデータ） (2023-04-24T07:06:50Z)
• New Local Explorations of the Unitary Coupled Cluster Energy Landscape [0.0]
  本稿では,3位以上の誘導体を用いて,真のUCCSDの変動下界を部分的に復元する手法を提案する。 この「対角近似」を高次項に近似することで、強い相関関係に対する特異点近傍の感度を減少させるのに有効である。
  論文  参考訳（メタデータ） (2022-07-08T19:12:46Z)
• An Energy-Based Prior for Generative Saliency [62.79775297611203]
  本稿では,情報的エネルギーベースモデルを事前分布として採用する,新たな生成正当性予測フレームワークを提案する。 生成サリエンシモデルを用いて,画像から画素単位の不確実性マップを得ることができ,サリエンシ予測におけるモデル信頼度を示す。 実験結果から, エネルギーベース先行モデルを用いた生成塩分率モデルでは, 精度の高い塩分率予測だけでなく, 人間の知覚と整合した信頼性の高い不確実性マップを実現できることが示された。
  論文  参考訳（メタデータ） (2022-04-19T10:51:00Z)
• Heavy-tailed denoising score matching [5.371337604556311]
  ランゲヴィン力学における複数のノイズレベルを連続的に初期化する反復的雑音スケーリングアルゴリズムを開発した。 実用面では、重み付きDSMを用いることで、スコア推定、制御可能なサンプリング収束、不均衡データセットに対するよりバランスのない非条件生成性能が改善される。
  論文  参考訳（メタデータ） (2021-12-17T22:04:55Z)
• Energy-Based Learning for Cooperative Games, with Applications to Feature/Data/Model Valuations [91.36803653600667]
  本稿では, 最大エントロピーフレームワークによる理論的正当性を備えた, 協調ゲームのための新しいエネルギーベース処理法を提案する。 驚くべきことに、エネルギーベースモデルの変分推論を行うことで、Shapley値やBanzhafインデックスといった様々なゲーム理論の評価基準を復元する。 提案する変分指数は,特定の合成および実世界のバリュエーション問題において,興味深い特性を享受できることを実験的に実証した。
  論文  参考訳（メタデータ） (2021-06-05T17:39:04Z)
• Deconfounding Scores: Feature Representations for Causal Effect Estimation with Weak Overlap [140.98628848491146]
  推定対象の偏りを伴わずに高い重なりを生じさせる,デコンファウンディングスコアを導入する。 分離スコアは観測データで識別可能なゼロ共分散条件を満たすことを示す。 特に,この手法が標準正規化の魅力的な代替となることを示す。
  論文  参考訳（メタデータ） (2021-04-12T18:50:11Z)
• Discriminator Contrastive Divergence: Semi-Amortized Generative Modeling by Exploring Energy of the Discriminator [85.68825725223873]
  GAN(Generative Adversarial Networks)は、高次元データのモデリングにおいて大きな可能性を秘めている。 本稿では,WGANの識別器の特性を活かした識別器コントラストの多様性について紹介する。 我々は、合成データと実世界の画像生成ベンチマークの両方において、大幅に改善された生成の利点を実証する。
  論文  参考訳（メタデータ） (2020-04-05T01:50:16Z)

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。