論文の概要: Discrete Bridges for Mutual Information Estimation

• arxiv url: http://arxiv.org/abs/2602.08894v1
• Date: Mon, 09 Feb 2026 16:55:09 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-02-10 20:26:25.384007
• Title: Discrete Bridges for Mutual Information Estimation
• Title（参考訳）: 相互情報推定のための離散ブリッジ
• Authors: Iryna Zabarianska, Sergei Kholkin, Grigoriy Ksenofontov, Ivan Butakov, Alexander Korotin,
• Abstract要約: 我々は、ブリッジマッチングモデルの離散状態空間定式化を活用し、離散確率変数間の相互情報の推定に対処する。 ドメイン転送問題としてMI推定を適切にフレーミングすることにより、離散データに適した離散ブリッジ相互情報(DBMI)推定器を構築する。 我々は,2つのMI推定設定(低次元と画像ベース)において,推定器の性能を示す。
• 参考スコア（独自算出の注目度）: 48.80678813569798
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Diffusion bridge models in both continuous and discrete state spaces have recently become powerful tools in the field of generative modeling. In this work, we leverage the discrete state space formulation of bridge matching models to address another important problem in machine learning and information theory: the estimation of the mutual information (MI) between discrete random variables. By neatly framing MI estimation as a domain transfer problem, we construct a Discrete Bridge Mutual Information (DBMI) estimator suitable for discrete data, which poses difficulties for conventional MI estimators. We showcase the performance of our estimator on two MI estimation settings: low-dimensional and image-based.
• Abstract（参考訳）: 連続状態空間と離散状態空間の拡散ブリッジモデルは、最近、生成モデリングの分野で強力なツールとなっている。 本研究では、ブリッジマッチングモデルの離散状態空間定式化を活用し、機械学習と情報理論における別の重要な問題、すなわち離散確率変数間の相互情報(MI)の推定に対処する。 ドメイン転送問題としてMI推定を適切にフレーミングすることにより、離散データに適した離散ブリッジ相互情報(DBMI)推定器を構築し、従来のMI推定器では困難となる。 我々は,2つのMI推定設定(低次元と画像ベース)において,推定器の性能を示す。

関連論文リスト

• Time-Correlated Video Bridge Matching [49.94768097995648]
  Time-Correlated Video Bridge Matching (TCVBM) は、Bridge Matching (BM) をビデオ領域の時間関連データシーケンスに拡張するフレームワークである。 TCVBMは、複数の量的指標にまたがって優れた性能を達成し、生成品質の向上と再構成の忠実性を示す。
  論文  参考訳（メタデータ） (2025-10-14T12:35:30Z)
• MMG: Mutual Information Estimation via the MMSE Gap in Diffusion [25.691925207007795]
  相互情報(MI)は、確率変数間の関係を測る最も一般的な方法の1つである。 拡散モデルのデノイングは、密度推定のための新しいバーを最近設定した。 拡散モデルを用いてMIを推定できることを示す。
  論文  参考訳（メタデータ） (2025-09-24T23:04:48Z)
• InfoBridge: Mutual Information estimation via Bridge Matching [70.71590371950948]
  拡散ブリッジモデルは、最近、生成モデリングの分野で強力なツールとなっている。 我々は2つの確率変数間の相互情報(MI)の推定にそれらの力を利用する。 従来のMI推定器では,データポーズが困難であった場合の非バイアス推定器を構築した。
  論文  参考訳（メタデータ） (2025-02-03T14:18:37Z)
• Generating Origin-Destination Matrices in Neural Spatial Interaction Models [11.188781092933313]
  エージェントベースモデル(ABM)は、交通、経済、疫学の政策分野にわたる意思決定ツールとして急速に普及している。 中心となる対象は、位置間の相互作用とエージェントの移動数をキャプチャする離散原点決定行列である。 既存のアプローチでは、ABMシミュレーションとキャリブレーションを実行するために、この行列の連続的な近似と、その後のアドホックな判別を利用する。 これは、部分的に観測された要約統計の条件付けを妨げ、離散的なサポートを越えてマルチモーダル行列分布の探索に失敗し、離散化エラーを引き起こす。
  論文  参考訳（メタデータ） (2024-10-09T18:09:02Z)
• Diffusion posterior sampling for simulation-based inference in tall data settings [53.17563688225137]
  シミュレーションベース推論(SBI)は、入力パラメータを所定の観測に関連付ける後部分布を近似することができる。 本研究では、モデルのパラメータをより正確に推測するために、複数の観測値が利用できる、背の高いデータ拡張について考察する。 提案手法を,最近提案した各種数値実験の競合手法と比較し,数値安定性と計算コストの観点から,その優位性を実証した。
  論文  参考訳（メタデータ） (2024-04-11T09:23:36Z)

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。