論文の概要: Logical Guidance for the Exact Composition of Diffusion Models

• arxiv url: http://arxiv.org/abs/2602.05549v1
• Date: Thu, 05 Feb 2026 11:10:06 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-02-06 18:49:08.901011
• Title: Logical Guidance for the Exact Composition of Diffusion Models
• Title（参考訳）: 拡散モデルの厳密な構成のための論理的ガイダンス
• Authors: Francesco Alesiani, Jonathan Warrell, Tanja Bien, Henrik Christiansen, Matheus Ferraz, Mathias Niepert,
• Abstract要約: LOGDIFFは、推論時に複雑な論理式を持つ原則付き制約生成のフレームワークである。 複雑な論理式に対する正確なスコアに基づくガイダンスは、原子特性に関連するガイダンス信号から得られることを示す。
• 参考スコア（独自算出の注目度）: 20.022782701918572
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: We propose LOGDIFF (Logical Guidance for the Exact Composition of Diffusion Models), a guidance framework for diffusion models that enables principled constrained generation with complex logical expressions at inference time. We study when exact score-based guidance for complex logical formulas can be obtained from guidance signals associated with atomic properties. First, we derive an exact Boolean calculus that provides a sufficient condition for exact logical guidance. Specifically, if a formula admits a circuit representation in which conjunctions combine conditionally independent subformulas and disjunctions combine subformulas that are either conditionally independent or mutually exclusive, exact logical guidance is achievable. In this case, the guidance signal can be computed exactly from atomic scores and posterior probabilities using an efficient recursive algorithm. Moreover, we show that, for commonly encountered classes of distributions, any desired Boolean formula is compilable into such a circuit representation. Second, by combining atomic guidance scores with posterior probability estimates, we introduce a hybrid guidance approach that bridges classifierguidance and classifier-free guidance, applicable to both compositional logical guidance and standard conditional generation. We demonstrate the effectiveness of our framework on multiple image and protein structure generation tasks.
• Abstract（参考訳）: 複雑な論理式を推論時に生成する原理的制約付き生成を可能にする拡散モデルのためのガイダンスフレームワークであるLOGDIFF(Logical Guidance for the Exact composition of Diffusion Models)を提案する。 本研究では,原子特性に関連付けられた誘導信号から,複雑な論理式に対する正確なスコアベースガイダンスを得られるかを検討する。 まず、正確な論理的ガイダンスに十分な条件を与える正確なブール計算を導出する。 特に、論理式が条件付き独立部分形式と解離を結合した回路表現を許容すると、条件付き独立あるいは相互排他的な部分形式を組み合わせると、正確な論理的ガイダンスが得られます。 この場合、誘導信号は効率的な再帰アルゴリズムを用いて原子値と後部確率から正確に計算することができる。 さらに、よく見られる分布のクラスに対して、任意の所望のブール式がそのような回路表現にコンパイル可能であることを示す。 第二に、原子的誘導スコアと後続確率推定値を組み合わせることで、構成論理ガイダンスと標準条件生成の両方に適用可能な、分類器誘導と分類器フリーガイダンスを橋渡しするハイブリッドガイダンス手法を導入する。 複数の画像およびタンパク質構造生成タスクにおけるフレームワークの有効性を実証する。

関連論文リスト

• Loss-Complexity Landscape and Model Structure Functions [53.92822954974537]
  我々はコルモゴロフ構造関数 $h_x(alpha)$ を双対化するためのフレームワークを開発する。 情報理論構造と統計力学の数学的類似性を確立する。 構造関数と自由エネルギーの間のルジャンドル・フェンシェル双対性を明確に証明する。
  論文  参考訳（メタデータ） (2025-07-17T21:31:45Z)
• On the Diagram of Thought [20.805936414171892]
  大規模言語モデル(LLM)は多くのタスクで優れているが、構造化された多段階の推論を必要とする複雑な問題に悩まされることが多い。 思考のダイアグラム(Diagram of Thought, DoT)は、1つのLCMがその推論のメンタルマップを構築し、ナビゲートすることを可能にする新しいフレームワークである。
  論文  参考訳（メタデータ） (2024-09-16T07:01:41Z)
• Tractable Bounding of Counterfactual Queries by Knowledge Compilation [51.47174989680976]
  本稿では, パール構造因果モデルにおいて, 因果関係などの部分的特定可能なクエリのバウンダリングの問題について議論する。 最近提案された反復EMスキームは初期化パラメータをサンプリングしてそれらの境界を内部近似する。 シンボルパラメータを実際の値に置き換えた回路構造を,単一のシンボル知識コンパイルによって得られることを示す。
  論文  参考訳（メタデータ） (2023-10-05T07:10:40Z)
• Differentiable Inference of Temporal Logic Formulas [1.370633147306388]
  信号時相論理式を学習するための最初のリカレントニューラルネットワークアーキテクチャを実演する。 本稿では,式推論法の最初の体系的比較について述べる。
  論文  参考訳（メタデータ） (2022-08-10T16:52:23Z)
• Adaptive n-ary Activation Functions for Probabilistic Boolean Logic [2.294014185517203]
  マッチングやアリティ向上の活性化関数を用いて,任意の論理を単一層で学習できることが示される。 我々は,非ゼロパラメータの数を信念関数の有効アリティに直接関連付ける基礎を用いて,信念表を表現する。 これにより、パラメータの間隔を誘導することで論理的複雑性を低減する最適化アプローチが開かれる。
  論文  参考訳（メタデータ） (2022-03-16T22:47:53Z)
• Refining Labelled Systems for Modal and Constructive Logics with Applications [0.0]
  この論文は、モーダル論理や構成論理のセマンティクスを「経済的な」証明システムに変換する手段として機能する。 精製法は、ラベル付きおよびネストされたシーケント計算の2つの証明理論パラダイムを結合する。 導入された洗練されたラベル付き電卓は、デオン性STIT論理に対する最初の証明探索アルゴリズムを提供するために使用される。
  論文  参考訳（メタデータ） (2021-07-30T08:27:15Z)
• Structural Learning of Probabilistic Sentential Decision Diagrams under Partial Closed-World Assumption [127.439030701253]
  確率感性決定図は構造化分解可能な回路のクラスである。 本稿では,回路の論理的基盤を暗黙的に提供する部分閉世界仮定に基づく新しいスキームを提案する。 予備実験では、提案手法がトレーニングデータに適切に適合し、基礎となる論理的基盤と整合性を維持した上で、テストデータによく適合することを示した。
  論文  参考訳（メタデータ） (2021-07-26T12:01:56Z)
• A Study of Continuous Vector Representationsfor Theorem Proving [2.0518509649405106]
  我々は,論理特性の保存と可逆性を考慮したエンコードを開発した。 これは、すべての記号を含む公式のツリー形状が密度ベクトル表現から再構築できることを意味する。 これらの構文的および意味的特性のトレーニングに使用できるデータセットを提案する。
  論文  参考訳（メタデータ） (2021-01-22T15:04:54Z)

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。