論文の概要: Structured Diffusion Bridges: Inductive Bias for Denoising Diffusion Bridges
- arxiv url: http://arxiv.org/abs/2605.02973v3
- Date: Tue, 12 May 2026 16:45:17 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-05-13 18:21:06.627965
- Title: Structured Diffusion Bridges: Inductive Bias for Denoising Diffusion Bridges
- Title（参考訳）: 構造的拡散橋:拡散橋の騒音低減のための誘導バイアス
- Authors: Eitan Kosman, Gabriele Serussi, Chaim Baskin,
- Abstract要約: 本稿では,許容解の空間を特徴付け,アライメント制約によって制限する拡散ブリッジフレームワークを提案する。
提案手法は,無ペア,半ペア,ペアのレギュレーションを対象とする,合成および実モダリティ変換ベンチマークにおいて検証する。
- 参考スコア（独自算出の注目度）: 6.608945629704325
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Modality translation is inherently under-constrained, as multiple cross-modal mappings may yield the same marginals. Recent work has shown that diffusion bridges are effective for this task. However, most existing approaches rely on fully paired datasets, thereby imposing a single data-driven constraint. We propose a diffusion-bridge framework that characterizes the space of admissible solutions and restricts it via alignment constraints, treating paired supervision as an optional heuristic rather than a prerequisite. We validate our method on synthetic and real modality translation benchmarks across unpaired, semi-paired, and paired regimes, showing consistent performance across supervision levels. Notably, \textbf{it achieves near fully-paired quality with a substantial relaxation in pairing requirements, and remaining applicable in the unpaired regime}. These results highlight diffusion bridges as a flexible foundation for modality translation beyond fully paired data.
- Abstract（参考訳）: モダリティ変換は本質的に非制約であり、複数のクロスモーダル写像が同じ限界を生じる可能性がある。
近年の研究では, この作業に拡散橋が有効であることが示されている。
しかし、既存のアプローチのほとんどは完全にペア化されたデータセットに依存しており、単一のデータ駆動の制約を課している。
本稿では,許容解の空間を特徴付け,アライメント制約によって制限する拡散ブリッジフレームワークを提案する。
本手法は,非ペア型,半ペア型,ペア型レジーム間の合成および実モダリティ変換ベンチマークで検証し,監督レベル間で一貫した性能を示す。
特に、textbf{it はペアリング要求においてかなりの緩和を伴い、ほぼ完全にペアリングされた品質を達成し、未ペア化状態に留まる。
これらの結果は、完全なペアデータを超えたモダリティ変換の柔軟な基盤として拡散ブリッジを強調している。
関連論文リスト
- Omnimodal Dataset Distillation via High-order Proxy Alignment [59.74134776126595]
本稿では,プロキシ構造を用いて高次クロスモーダルアライメントをキャプチャするHoPAを提案する。
本手法は,一対のモダリティモデリングの複雑さを回避し,不均一なモダリティをまたいだスケーラブルなプロキシ解析を可能にする。
論文 参考訳（メタデータ） (2026-04-12T14:47:41Z) - Breaking the Factorization Barrier in Diffusion Language Models [59.946071582340146]
ベクトル化障壁」は拡散言語モデルの効率的な並列生成を妨げる。
完全分解出力分布を置き換えるための結合離散拡散法を提案する。
我々は, CoDD が多種多様な言語モデルアーキテクチャをシームレスに拡張し, オーバーヘッドを無視できることを示した。
論文 参考訳（メタデータ） (2026-02-09T08:36:39Z) - Calibrated Multimodal Representation Learning with Missing Modalities [100.55774771852468]
マルチモーダル表現学習は、それらを統一潜在空間に整列させることにより、異なるモダリティを調和させる。
最近の研究は、従来のクロスモーダルアライメントを一般化して、強化されたマルチモーダル・シナジーを生成するが、すべてのモダリティを共通の例に含める必要がある。
我々は、アンカーシフトの観点から、この問題に関する理論的洞察を提供する。
モーダルの欠如に起因する不完全なアライメントを校正するために,マルチモーダル表現学習のためのCalMRLを提案する。
論文 参考訳（メタデータ） (2025-11-15T05:01:43Z) - Towards General Modality Translation with Contrastive and Predictive Latent Diffusion Bridge [16.958159611661813]
Latent Denoising Diffusion Bridge Model (LDDBM)は、モーダル翻訳のための汎用フレームワークである。
共用ラテント空間で演算することにより、任意のモード間のブリッジを、整列次元を必要とせずに学習する。
提案手法は任意のモダリティペアをサポートし,マルチビューから3次元形状生成,画像超解像,マルチビューシーン合成など,多様なMTタスクに強く依存する。
論文 参考訳（メタデータ） (2025-10-23T17:59:54Z) - Diffusion Bridge or Flow Matching? A Unifying Framework and Comparative Analysis [57.614436689939986]
拡散ブリッジとフローマッチングは、任意の分布間の変換において魅力的な経験的性能を示した。
我々は,これらのフレームワークを最適制御のレンズを通して再キャストし,拡散橋のコスト関数が低いことを証明した。
これらの理論的主張を裏付けるために,潜伏変圧器上に構築された拡散橋の新しい強力なアーキテクチャを提案する。
論文 参考訳（メタデータ） (2025-09-29T09:45:22Z) - LADB: Latent Aligned Diffusion Bridges for Semi-Supervised Domain Translation [54.690154688667086]
拡散モデルは高品質な出力を生成するのに優れているが、データスカースドメインでは課題に直面している。
サンプルからサンプルへの変換のための半教師付きフレームワークであるLatent Aligned Diffusion Bridges (LADB)を提案する。
論文 参考訳（メタデータ） (2025-09-10T14:23:07Z) - Underdamped Diffusion Bridges with Applications to Sampling [19.734804898620233]
対象分布に先立って輸送する拡散ブリッジを学習するための一般的なフレームワークを提供する。
本手法は, 対象分布からサンプルにアクセスすることなく, 正規化されていない密度からサンプルを抽出する難題に適用する。
論文 参考訳（メタデータ） (2025-03-02T20:22:09Z) - DPBridge: Latent Diffusion Bridge for Dense Prediction [49.1574468325115]
DPBridgeは、密度予測タスクのための最初の潜伏拡散ブリッジフレームワークである。
提案手法は,異なるシナリオ下での有効性と能力の一般化を実証し,優れた性能を継続的に達成する。
論文 参考訳（メタデータ） (2024-12-29T15:50:34Z) - Transport with Support: Data-Conditional Diffusion Bridges [18.933928516349397]
制約付き時系列データ生成タスクを解決するために,Iterative Smoothing Bridge (ISB)を導入する。
我々は,ISBが高次元データによく一般化し,計算効率が高く,中間時間と終時間における限界値の正確な推定値を提供することを示した。
論文 参考訳（メタデータ） (2023-01-31T13:50:16Z)
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。