論文の概要: Conditional Sampling via Wasserstein Autoencoders and Triangular Transport

• arxiv url: http://arxiv.org/abs/2604.02644v1
• Date: Fri, 03 Apr 2026 02:14:53 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-04-06 17:20:24.279234
• Title: Conditional Sampling via Wasserstein Autoencoders and Triangular Transport
• Title（参考訳）: ワッサースタインオートエンコーダによる条件サンプリングと三角形輸送
• Authors: Mohammad Al-Jarrah, Michele Martino, Marcus Yim, Bamdad Hosseini, Amirhossein Taghvaei,
• Abstract要約: 条件付きワッサースタインオートエンコーダ(CWAE) CWAEは条件付き変数と条件付き変数の両方の低次元構造を利用する条件付きシミュレーションのフレームワークである。 その結果,デコーダを条件付きシミュレーションに使用しながら,低次元構造を活用可能なオートエンコーダが得られた。
• 参考スコア（独自算出の注目度）: 4.82266353816737
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: We present Conditional Wasserstein Autoencoders (CWAEs), a framework for conditional simulation that exploits low-dimensional structure in both the conditioned and the conditioning variables. The key idea is to modify a Wasserstein autoencoder to use a (block-) triangular decoder and impose an appropriate independence assumption on the latent variables. We show that the resulting model gives an autoencoder that can exploit low-dimensional structure while simultaneously the decoder can be used for conditional simulation. We explore various theoretical properties of CWAEs, including their connections to conditional optimal transport (OT) problems. We also present alternative formulations that lead to three architectural variants forming the foundation of our algorithms. We present a series of numerical experiments that demonstrate that our different CWAE variants achieve substantial reductions in approximation error relative to the low-rank ensemble Kalman filter (LREnKF), particularly in problems where the support of the conditional measures is truly low-dimensional.
• Abstract（参考訳）: 本稿では,条件付き変数と条件付き変数の両方の低次元構造を利用する条件シミュレーションのフレームワークである条件付きワッサースタインオートエンコーダ(CWAE)を提案する。 鍵となる考え方は、ワッサーシュタインオートエンコーダを(ブロック-)三角デコーダを使用するように修正し、潜伏変数に適切な独立性仮定を課すことである。 その結果,デコーダを条件付きシミュレーションに使用しながら,低次元構造を活用可能なオートエンコーダが得られた。 我々は,条件付き最適輸送(OT)問題への接続を含む,CWAEの様々な理論的性質について検討する。 また、我々のアルゴリズムの基礎となる3つのアーキテクチャのバリエーションをもたらす代替の定式化も提示する。 本稿では,低ランクアンサンブルカルマンフィルタ (LREnKF) に対する近似誤差を,特に条件付き測度のサポートが本当に低次元である場合において,CWAEの変動が大幅に減少することを示す数値実験について述べる。

関連論文リスト

• Surrogate Modeling of 3D Rayleigh-Benard Convection with Equivariant Autoencoders [2.6190696777600455]
  本稿では、同変畳み込み自己エンコーダと同変畳み込みLSTMからなる終端から終端までの同変代理モデルを提案する。 サンプルとパラメータの効率が大幅に向上し、さらに複雑なダイナミックスへのスケーリングが向上した。
  論文  参考訳（メタデータ） (2025-05-19T12:26:54Z)
• Paired Wasserstein Autoencoders for Conditional Sampling [0.0]
  ワッサースタイン距離は、様々な種類の生成ニューラルネットワークモデルに大きく影響し、造語した。 条件付きケース問題を解くために2組のオートエンコーダを提案する。
  論文  参考訳（メタデータ） (2024-12-10T15:22:26Z)
• Disentanglement via Latent Quantization [60.37109712033694]
  本研究では,組織化された潜在空間からの符号化と復号化に向けた帰納的バイアスを構築する。 本稿では,基本データレコーダ (vanilla autoencoder) と潜時再構成 (InfoGAN) 生成モデルの両方に追加することで,このアプローチの広範な適用性を実証する。
  論文  参考訳（メタデータ） (2023-05-28T06:30:29Z)
• MuSCLE: Multi Sweep Compression of LiDAR using Deep Entropy Models [78.93424358827528]
  本稿では,LiDARセンサデータのストレージストリームを削減するための新しい圧縮アルゴリズムを提案する。 本手法は,従来のLiDAR圧縮法よりも接合形状と強度を著しく低減する。
  論文  参考訳（メタデータ） (2020-11-15T17:41:14Z)
• Autoregressive Score Matching [113.4502004812927]
  自動回帰条件スコアモデル(AR-CSM)を提案する。 AR-CSMモデルでは、このデータ分布とモデル分布のばらつきを効率的に計算し、最適化することができ、高価なサンプリングや対向訓練を必要としない。 本研究では,合成データに対する密度推定,画像生成,画像復調,暗黙エンコーダを用いた潜在変数モデルの訓練に応用できることを示す。
  論文  参考訳（メタデータ） (2020-10-24T07:01:24Z)
• Unbiased Gradient Estimation for Variational Auto-Encoders using Coupled Markov Chains [34.77971292478243]
  変分オートエンコーダ(VAE)は、オートエンコーダのようなアーキテクチャで2つのニューラルネットワークを持つ、潜伏変数モデルである。 ログ型勾配の偏りのない推定器を導入することにより,VAEのトレーニング手法を開発する。 偏りのない推定器を装着したVAEは予測性能が向上することを示した。
  論文  参考訳（メタデータ） (2020-10-05T08:11:55Z)
• Variance Constrained Autoencoding [0.0]
  エンコーダの場合、同時に分布制約を強制し、出力歪みを最小化しようとすると、生成的および再構成的品質が低下することを示す。 本稿では,分散制約のみを適用した分散制約付きオートエンコーダ(VCAE)を提案する。 実験の結果,VCAEは,MNISTとCelebAの再構成および生成品質において,ワッサースタインオートエンコーダと変分オートエンコーダを改良することがわかった。
  論文  参考訳（メタデータ） (2020-05-08T00:50:50Z)
• On the Encoder-Decoder Incompatibility in Variational Text Modeling and Beyond [82.18770740564642]
  変分オートエンコーダ(VAE)は、潜時変数と償却変分推論を結合する。 我々は,データ多様体のパラメータ化が不十分なエンコーダ・デコーダの不整合性を観察する。 同一構造を持つ決定論的オートエンコーダとVAEモデルを結合した結合型VAEを提案する。
  論文  参考訳（メタデータ） (2020-04-20T10:34:10Z)

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。