論文の概要: Diverse Sampling in Diffusion Models with Marginal Preserving Particle Guidance

• arxiv url: http://arxiv.org/abs/2605.06553v1
• Date: Thu, 07 May 2026 16:49:12 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-05-08 22:27:12.010113
• Title: Diverse Sampling in Diffusion Models with Marginal Preserving Particle Guidance
• Title（参考訳）: 粒子誘導を考慮した拡散モデルにおける拡散サンプリング
• Authors: Gal Vinograd, Idan Achituve, Ethan Fetaya,
• Abstract要約: EDDY(Exact-marginal Diversification via Divergence-free dYnamics)は拡散・流れマッチングモデルのための誘導機構である。 合成分布実験とテキスト・ツー・イメージ生成実験により、EDDYは共通のベースラインに比べて分布の忠実さを保ちながら多様性を向上することが示された。
• 参考スコア（独自算出の注目度）: 13.27396716172129
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: We present EDDY (Exact-marginal Diversification via Divergence-free dYnamics), a guidance mechanism for diffusion and flow matching models that promotes diversity among samples generated while maintaining quality. EDDY exploits symmetries of the Fokker-Planck equation, using drift perturbations that change particle trajectories while preserving the evolving marginal distribution. We instantiate this principle through kernel-based anti-symmetric pairwise matrix fields, constructed from the repulsive directions. The resulting divergence-free dynamics promote diversity at the joint particle level while preserving each particle's marginal distribution without any additional training. As computing the guidance can be computationally expensive in cases such as text-to-image generation with perceptual embeddings, we propose practical approximations as an effective and efficient solution. Experiments on synthetic distributions and text-to-image generation show that EDDY improves diversity while maintaining strong distributional fidelity compared to common baselines.
• Abstract（参考訳）: EDDY(Exact-marginal Diversification via Divergence-free dYnamics)は,品質を維持しながら生成したサンプル間の多様性を促進する拡散流マッチングモデルである。 EDDYはフォッカー・プランク方程式の対称性を利用して、進化する辺縁分布を保ちながら粒子軌道を変化させるドリフト摂動を利用する。 我々はこの原理を、反発方向から構築されたカーネルベースの反対称対行列場を通じてインスタンス化する。 結果として生じるばらつきのないダイナミクスは、各粒子の余分な分布を追加の訓練なしに保ちながら、結合粒子レベルでの多様性を促進する。 知覚埋め込みを用いたテキスト・ツー・イメージ生成などの場合,ガイダンスの計算にコストがかかるため,本研究では,効果的かつ効率的な解法として,実用的な近似法を提案する。 合成分布実験とテキスト・ツー・イメージ生成実験により、EDDYは共通のベースラインに比べて分布の忠実さを保ちながら多様性を向上することが示された。

関連論文リスト

• Weighted Stochastic Differential Equation to Implement Wasserstein-Fisher-Rao Gradient Flow [0.0]
  有望な作業のラインは、情報幾何学から、大量再重み付け機構を備えた拡散に基づくサンプル装置の拡張まで、ツールを活用する。 本研究は,WFRに基づくサンプリング力学の予備的かつ厳密な研究であり,今後の発展の基礎となる理論構造を明らかにすることを目的としている。
  論文  参考訳（メタデータ） (2025-12-19T18:31:27Z)
• Consistent Sampling and Simulation: Molecular Dynamics with Energy-Based Diffusion Models [50.77646970127369]
  本稿では,Fokker-Planck由来の正規化項を用いたエネルギーベース拡散モデルを提案する。 高速折りたたみタンパク質を含む複数の生体分子系をサンプリング・シミュレートし,本手法を実証する。
  論文  参考訳（メタデータ） (2025-06-20T16:38:29Z)
• Hessian-Informed Flow Matching [4.542719108171107]
  Hessian-Informed Flow Matchingは、エネルギー関数のHessianを条件流に統合する新しいアプローチである。 この積分により、HI-FMは局所曲率と異方性共分散構造を考慮できる。 MNIST と Lennard-Jones 粒子のデータセットに関する実証的な評価は、HI-FM が試験サンプルの可能性を改善していることを示している。
  論文  参考訳（メタデータ） (2024-10-15T09:34:52Z)
• Repulsive Latent Score Distillation for Solving Inverse Problems [31.255943277671893]
  SDS(Score Distillation Sampling)は,逆問題などの下流タスクにおいて,事前学習した拡散モデルを活用する上で重要である。 モード崩壊と遅延空間逆転に対処するために, 後方サンプリングのための新しい変分フレームワークを提案する。 我々は、このフレームワークを拡張して、潜伏者とデータをアンタングルする拡張された変分分布を拡張します。
  論文  参考訳（メタデータ） (2024-06-24T14:43:02Z)
• 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)
• Broadening Target Distributions for Accelerated Diffusion Models via a Novel Analysis Approach [49.97755400231656]
  本研究では,新しいDDPMサンプリング器が,これまで考慮されていなかった3種類の分散クラスに対して高速化性能を実現することを示す。 この結果から, DDPM型加速サンプリング器におけるデータ次元$d$への依存性が改善された。
  論文  参考訳（メタデータ） (2024-02-21T16:11:47Z)
• 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)
• An optimal control perspective on diffusion-based generative modeling [9.806130366152194]
  微分方程式(SDE)に基づく最適制御と生成モデルとの接続を確立する。 特にハミルトン・ヤコビ・ベルマン方程式を導出し、基礎となるSDE限界の対数密度の進化を制御している。 非正規化密度から抽出する新しい拡散法を開発した。
  論文  参考訳（メタデータ） (2022-11-02T17:59:09Z)

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。