論文の概要: Information-geometric adaptive sampling for graph diffusion

• arxiv url: http://arxiv.org/abs/2605.00250v1
• Date: Thu, 30 Apr 2026 21:32:35 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-05-04 17:43:28.765913
• Title: Information-geometric adaptive sampling for graph diffusion
• Title（参考訳）: グラフ拡散のための情報幾何学的適応サンプリング
• Authors: Yuhui Lu, Wenjing Liu, Kun Zhan,
• Abstract要約: DVS(Drift Variation Score)は、分布変化の瞬間的な速度を定量化する幾何学的な指標である。 従来の適応型サンプリング器とは異なり、DVSソルバは統計多様体上で一定の情報速度を強制する。 分子およびソーシャルネットワークの生成実験の結果、DVSは構造的忠実度とサンプリング効率を著しく改善することが示された。
• 参考スコア（独自算出の注目度）: 12.550914083067525
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Standard diffusion models for graph generation typically rely on uniform time-stepping, an approach that overlooks the non-homogeneous dynamics of distributional evolution on complex manifolds. In this paper, we present an information-geometric framework that reinterprets the diffusion sampling trajectory as a parametric curve on a Riemannian manifold. Our key observation is that the Fisher-Rao metric provides a principled measure of the intrinsic distance. By analyzing this metric, we derive the Drift Variation Score (DVS), a geometry-aware indicator that quantifies the instantaneous rate of distributional change. Unlike prior heuristic-based adaptive samplers, our DVS solver enforces a constant informational speed on the statistical manifold, automatically maintaining a uniform rate of distributional change along the sampling trajectory. This equal arc-length strategy ensures that each discretization step contributes equally to the information speed. Theoretical analysis verifies that DVS characterizes the local stiffness of the sampling dynamics in the Fisher-Rao sense. Experimental results on molecule and social network generation show that DVS significantly improves structural fidelity and sampling efficiency. Code is at https://github.com/kunzhan/DVS
• Abstract（参考訳）: グラフ生成の標準拡散モデルは典型的には一様時間ステッピングに依存し、複素多様体上の分布進化の非均質なダイナミクスを見越すアプローチである。 本稿では,拡散サンプリング軌道をリーマン多様体上のパラメトリック曲線として再解釈する情報幾何学的枠組みを提案する。 我々のキーとなる観察は、フィッシャー・ラオ計量が本質的な距離の原理的な測度を与えることである。 この計量を解析することにより、分布変化の瞬間的な速度を定量化する幾何認識指標であるドリフト変分スコア(DVS)を導出する。 従来のヒューリスティックな適応型サンプリング器とは異なり、DVSソルバは統計多様体上で一定の情報速度を強制し、サンプリング軌道に沿った分布変化の均一性を自動的に維持する。 この等弧長戦略は、各離散化ステップが情報速度に等しく寄与することを保証する。 理論的解析により、DVSはフィッシャー・ラオ感覚におけるサンプリング力学の局所的な硬さを特徴付けることが確かめられる。 分子およびソーシャルネットワークの生成実験の結果、DVSは構造的忠実度とサンプリング効率を著しく改善することが示された。 コードはhttps://github.com/kunzhan/DVSにある。

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)
• Flow Matching is Adaptive to Manifold Structures [32.55405572762157]
  フローマッチングは拡散に基づく生成モデルに代わるシミュレーションベースである。 フローマッチングがデータ幾何学にどのように適応し、次元の呪いを回避するかを示す。
  論文  参考訳（メタデータ） (2026-02-25T23:52:32Z)
• Fast Sampling for Flows and Diffusions with Lazy and Point Mass Stochastic Interpolants [5.492889521988414]
  任意のスケジュール下で任意の拡散係数で微分方程式(SDE)のサンプルパスを変換する方法を証明する。 次に、補間フレームワークを拡張して、より大きな点質量スケジュールのクラスを許容する。
  論文  参考訳（メタデータ） (2026-02-03T17:48:34Z)
• An Analytical Theory of Spectral Bias in the Learning Dynamics of Diffusion Models [29.972063833424215]
  本研究では,拡散モデル学習中に生成した分布がどのように進化するかを理解するための解析的枠組みを開発する。 結果の確率フローODEを統合し、生成した分布の解析式を生成する。
  論文  参考訳（メタデータ） (2025-03-05T05:50:38Z)
• On the Trajectory Regularity of ODE-based Diffusion Sampling [79.17334230868693]
  拡散に基づく生成モデルは微分方程式を用いて、複素データ分布と抽出可能な事前分布の間の滑らかな接続を確立する。 本稿では,拡散モデルのODEに基づくサンプリングプロセスにおいて,いくつかの興味深い軌道特性を同定する。
  論文  参考訳（メタデータ） (2024-05-18T15:59:41Z)
• Theoretical Insights for Diffusion Guidance: A Case Study for Gaussian Mixture Models [59.331993845831946]
  拡散モデルは、所望の特性に向けてサンプル生成を操るために、スコア関数にタスク固有の情報を注入することの恩恵を受ける。 本稿では,ガウス混合モデルの文脈における拡散モデルに対する誘導の影響を理解するための最初の理論的研究を提供する。
  論文  参考訳（メタデータ） (2024-03-03T23:15:48Z)
• A Geometric Perspective on Diffusion Models [57.27857591493788]
  本稿では,人気のある分散拡散型SDEのODEに基づくサンプリングについて検討する。 我々は、最適なODEベースのサンプリングと古典的な平均シフト(モード探索)アルゴリズムの理論的関係を確立する。
  論文  参考訳（メタデータ） (2023-05-31T15:33:16Z)
• Relative Entropy Gradient Sampler for Unnormalized Distributions [14.060615420986796]
  非正規分布からのサンプリングのための相対エントロピー勾配サンプリング器(REGS) REGSは、参照分布からサンプルへの初期サンプルを非正規化対象分布から反復的に押し出す単純な非線形変換の列を求める粒子法である。
  論文  参考訳（メタデータ） (2021-10-06T14:10:38Z)

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。