Fugu-MT 論文翻訳(概要): Flow Matching from Viewpoint of Proximal Operators

論文の概要: Flow Matching from Viewpoint of Proximal Operators

arxiv url: http://arxiv.org/abs/2602.12683v1
Date: Fri, 13 Feb 2026 07:30:23 GMT
ステータス: 翻訳完了
システム内更新日: 2026-02-16 23:37:53.8798
Title: Flow Matching from Viewpoint of Proximal Operators
Title（参考訳）: 近位演算子の観点からのフローマッチング
Authors: Kenji Fukumizu, Wei Huang, Han Bao, Shuntuo Xu, Nisha Chandramoothy,
Abstract要約: OT-CFMはブレニエ電位を拡張して正確な近位定式化が可能であることを示す。また,バッチサイズが大きくなるにつれて,ミニバッチOT-CFMの集団定式化への収束についても論じる。
参考スコア（独自算出の注目度）: 18.711345808502788
License: http://creativecommons.org/licenses/by/4.0/
Abstract: We reformulate Optimal Transport Conditional Flow Matching (OT-CFM), a class of dynamical generative models, showing that it admits an exact proximal formulation via an extended Brenier potential, without assuming that the target distribution has a density. In particular, the mapping to recover the target point is exactly given by a proximal operator, which yields an explicit proximal expression of the vector field. We also discuss the convergence of minibatch OT-CFM to the population formulation as the batch size increases. Finally, using second epi-derivatives of convex potentials, we prove that, for manifold-supported targets, OT-CFM is terminally normally hyperbolic: after time rescaling, the dynamics contracts exponentially in directions normal to the data manifold while remaining neutral along tangential directions.
Abstract（参考訳）: 動的生成モデルのクラスである最適輸送条件流マッチング (OT-CFM) を再構成し, 対象分布の密度を仮定することなく, 拡張ブレニエポテンシャルによる正確な近位定式化が可能であることを示す。特に、対象点を復元する写像は、ベクトル場の明示的な近位表現を生成する近位作用素によって正確に与えられる。また,バッチサイズが大きくなるにつれて,ミニバッチOT-CFMの集団定式化への収束についても論じる。最後に、凸ポテンシャルの第2のエピデリバティブを用いて、多様体支持対象に対して、OT-CFMは終端的に通常双曲的であることを証明した。

関連論文リスト

GeodesicNVS: Probability Density Geodesic Flow Matching for Novel View Synthesis [54.39598154430305]
本稿では,ペアビュー間の決定論的変換を直接学習するデータ間フローマッチングフレームワークを提案する。 PDG-FMは、事前訓練された拡散モデルの確率密度測定値から導かれる測地的補間剤を用いて流れの軌跡を制約する。これらの結果は、一貫した新しいビュー生成のための決定論的フローマッチングにデータ依存の幾何正規化を組み込むことの利点を強調している。
論文参考訳（メタデータ） (2026-03-01T09:30:11Z)
Entropy-Controlled Flow Matching [0.08460698440162889]
本稿では,グローバルエントロピーレートの予算d/dt H(mu_t) >=-lambdaを強制する連続性方程式パスに対する制約付き変分原理を提案する。そこで我々は,Lipschitzによる証明型モード被覆と密度フロア保証を取得し,非拘束フローマッチングのための準最適逆例を構築した。
論文参考訳（メタデータ） (2026-02-25T06:07:01Z)
DFM: Interpolant-free Dual Flow Matching [0.8192907805418583]
モデルベクトル場に関する明示的な仮定を伴わない補間自由二重流れマッチング(DFM)手法を提案する。 SMAPによる教師なし異常検出実験は、最大極度またはFM目標で訓練されたCNFと比較して、DFMの利点を示す。
論文参考訳（メタデータ） (2024-10-11T20:46:04Z)
Stream-level flow matching with Gaussian processes [4.935875591615496]
条件付きフローマッチング(CFM)は、連続正規化フロー(CNF)を適合させる訓練アルゴリズムの一群である。我々は、ストリームに沿った条件付き確率パス、ソースとターゲットのデータペアを接続する遅延パスのインスタンスを定義することで、CFMアルゴリズムを拡張した。本研究では, CFMの一般化により, 推定限界ベクトル場の分散を適度な計算コストで効果的に低減できることを示す。
論文参考訳（メタデータ） (2024-09-30T15:47:22Z)
Flow matching achieves almost minimax optimal convergence [50.38891696297888]
フローマッチング (FM) は, シミュレーションのない生成モデルとして注目されている。本稿では,大試料径のFMの収束特性を$p$-Wasserstein 距離で論じる。我々は、FMが1leq p leq 2$でほぼ最小の収束率を達成できることを確立し、FMが拡散モデルに匹敵する収束率に達するという最初の理論的証拠を示す。
論文参考訳（メタデータ） (2024-05-31T14:54:51Z)
Metric Flow Matching for Smooth Interpolations on the Data Manifold [40.24392451848883]
Metric Flow Matching (MFM) は条件付きフローマッチングのための新しいシミュレーションフリーフレームワークである。我々は,MFMを条件付き経路のフレームワークとして提案し,ソース分布をターゲット分布に変換する。我々は、LiDARナビゲーション、未ペア画像翻訳、セルラーダイナミクスのモデリングなど、一連の課題でFMをテストする。
論文参考訳（メタデータ） (2024-05-23T16:48:06Z)
Convergence Analysis of Flow Matching in Latent Space with Transformers [7.069772598731282]
本稿では,ODEに基づく生成モデル,特にフローマッチングに関する理論的収束保証について述べる。トレーニング済みのオートエンコーダネットワークを用いて、高次元の原入力を低次元の潜在空間にマッピングし、トランスフォーマーネットワークをトレーニングし、標準正規分布から目標潜在分布への変換速度場を予測する。
論文参考訳（メタデータ） (2024-04-03T07:50:53Z)
Sampling and estimation on manifolds using the Langevin diffusion [45.57801520690309]
離散化マルコフ過程に基づく$mu_phi $の線形汎函数の2つの推定器を検討する。誤差境界は、本質的に定義されたランゲヴィン拡散の離散化を用いてサンプリングと推定のために導出される。
論文参考訳（メタデータ） (2023-12-22T18:01:11Z)
Scaling Riemannian Diffusion Models [68.52820280448991]
非自明な多様体上の高次元タスクにスケールできることを示す。我々は、$SU(n)$格子上のQCD密度と高次元超球面上の対照的に学習された埋め込みをモデル化する。
論文参考訳（メタデータ） (2023-10-30T21:27:53Z)
Adaptive Annealed Importance Sampling with Constant Rate Progress [68.8204255655161]
Annealed Importance Smpling (AIS)は、抽出可能な分布から重み付けされたサンプルを合成する。本稿では,alpha$-divergencesに対する定数レートAISアルゴリズムとその効率的な実装を提案する。
論文参考訳（メタデータ） (2023-06-27T08:15:28Z)
ManiFlow: Implicitly Representing Manifolds with Normalizing Flows [145.9820993054072]
正規化フロー(NF)は、複雑な実世界のデータ分布を正確にモデル化することが示されているフレキシブルな明示的な生成モデルである。摂動分布から標本を与えられた多様体上の最も可能性の高い点を復元する最適化目的を提案する。最後に、NFsの明示的な性質、すなわち、ログのような勾配とログのような勾配から抽出された表面正規化を利用する3次元点雲に焦点を当てる。
論文参考訳（メタデータ） (2022-08-18T16:07:59Z)
Efficient CDF Approximations for Normalizing Flows [64.60846767084877]
正規化フローの微分同相性に基づいて、閉領域上の累積分布関数(CDF)を推定する。一般的なフローアーキテクチャとUCIデータセットに関する実験は,従来の推定器と比較して,サンプル効率が著しく向上したことを示している。
論文参考訳（メタデータ） (2022-02-23T06:11:49Z)
Instance-Optimal Compressed Sensing via Posterior Sampling [101.43899352984774]
後部サンプリング推定器がほぼ最適回復保証を達成できることを示す。本稿では,Langevin dynamics を用いた深部生成前駆体の後方サンプリング推定器を実装し,MAP よりも精度の高い推定値が得られることを実証的に見出した。
論文参考訳（メタデータ） (2021-06-21T22:51:56Z)

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。