論文の概要: PFlow-T: A Persistence-Driven Forward Process for Topology-Controlled Generation
- arxiv url: http://arxiv.org/abs/2605.17555v1
- Date: Sun, 17 May 2026 17:34:24 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-05-19 17:57:48.189392
- Title: PFlow-T: A Persistence-Driven Forward Process for Topology-Controlled Generation
- Title（参考訳）: PFlow-T: トポロジ制御生成のための永続化駆動フォワードプロセス
- Authors: Snigdha Chandan Khilar,
- Abstract要約: 我々はPFlow Tを、その前方過程を完全に永続的ホモロジーに基づく生成モデルとして導入する。
PFlow T は前処理に永続的ホモロジーを用いた最初の生成アーキテクチャであるが、現時点では低分解能画素空間プロキシに制限されていることに留意する。
- 参考スコア（独自算出の注目度）: 0.0
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Current topology aware diffusion models face an architectural mismatch by using Gaussian noise for corruption while recovering structural features through conditional side channels To fix this we introduce PFlow T a generative model that bases its forward process entirely on persistent homology In PFlow T time measures the destruction of H1 topological features like holes rather than Gaussian noise injection This forward process eliminates features based on their persistence The reverse network then directly inverts this structured corruption to predict the clean state in one step Tests on MNIST digits zero one and eight show PFlow T significantly outperforms a baseline model in generating requested Betti numbers and handling out of distribution tasks PFlow T is the first generative architecture using persistent homology for the forward process although we note it is currently limited to low resolution pixel space proxies
- Abstract（参考訳）: 現在のトポロジ認識拡散モデルは、条件付きサイドチャネルを通じて構造的特徴を回復しながらガウス的ノイズを使用してアーキテクチャ上のミスマッチに直面する。 この問題を修正するために、PFlow Tを導入する。 永続的ホモロジーを完全にベースとした生成モデル PFlow Tタイムは、ガウス的ノイズ注入よりも穴のようなH1トポロジ的特徴の破壊を測定する このフォワードプロセスは、持続性に基づいた特徴を排除し、その逆ネットワークは、1ステップでクリーンな状態を予測するためにこの構造化された汚職を直接反転させる。
関連論文リスト
- AnyFlow: Any-Step Video Diffusion Model with On-Policy Flow Map Distillation [70.80207977907908]
フローマップをベースとした,最初のノンステップビデオ拡散蒸留フレームワークであるAnyFlowを紹介した。
我々は、AnyFlowがいくつかの段階において、パフォーマンスの一致を達成するか、一貫性ベースの結果を上回ることを示す。
論文 参考訳（メタデータ） (2026-05-13T16:06:34Z) - P-Flow: Proxy-gradient Flows for Linear Inverse Problems [28.438072266272954]
P-Flowは、プロキシ勾配を利用してソースポイントを更新することで、再構築プロセスを安定化するフレームワークである。
さまざまな復元タスクに対する実験は、P-Flowが競争力のあるパフォーマンスを提供することを示している。
論文 参考訳（メタデータ） (2026-05-08T17:07:36Z) - PRISM: Parallel Residual Iterative Sequence Model [52.26239951489612]
我々はこの緊張を解決するためにPRISM(Parallel Residual Iterative Sequence Model)を提案する。
PRISMは、パラレル化可能な形で多段階精製の重要な構造特性を捉える、ソルバに着想を得た帰納バイアスを導入している。
この定式化が Rank-$L$ の蓄積を達成することを証明し、更新多様体を単一ステップの Rank-$1$ ボトルネックを超えて構造的に拡張する。
論文 参考訳（メタデータ） (2026-02-11T12:39:41Z) - Trajectory Stitching for Solving Inverse Problems with Flow-Based Models [68.36374645801901]
フローベースの生成モデルは、逆問題を解決するための強力な先行要因として現れてきた。
1つの初期コードではなく、中間潜在状態の列として軌道を表すMS-Flowを提案する。
画像の回復と逆問題に対するMS-Flowの有効性を示す。
論文 参考訳（メタデータ） (2026-02-09T11:36:41Z) - ProFlow: Zero-Shot Physics-Consistent Sampling via Proximal Flow Guidance [35.08166384258028]
ProFlowはゼロショット物理一貫性サンプリングのためのフレームワークである。
厳密な物理的整合性と観測的忠実さを事前訓練された前の統計構造と整合させる。
これは、より正確な分布統計だけでなく、より優れた物理的および観測的整合性を達成する。
論文 参考訳（メタデータ） (2026-01-28T03:57:00Z) - Bidirectional Normalizing Flow: From Data to Noise and Back [16.352742402707953]
生成モデリングの原則として正規化フロー(NF)が確立されている。
近年のTARFlowとその変種はトランスフォーマーと自己回帰流を組み合わせることでNF法を再活性化している。
BiFlowは、正確な分析逆の必要をなくすためのフレームワークです。
論文 参考訳（メタデータ） (2025-12-11T18:59:55Z) - Which Layer Causes Distribution Deviation? Entropy-Guided Adaptive Pruning for Diffusion and Flow Models [77.55829017952728]
EntPrunerは、拡散およびフローモデルのためのエントロピー誘導自動プログレッシブプルーニングフレームワークである。
DiTモデルとSiTモデルの実験はEntPrunerの有効性を示し、最大2.22$times$推論スピードアップを達成する。
論文 参考訳（メタデータ） (2025-11-26T07:20:48Z) - Boundary-aware Decoupled Flow Networks for Realistic Extreme Rescaling [49.215957313126324]
Invertible rescaling Network (IRN) やgenerative adversarial Network (GAN) などを含む最近の生成手法は、画像再スケーリングにおいて例外的な性能を示した。
しかし、IRNベースの手法は過度に滑らかな結果を生成する傾向にあり、一方、GANベースの手法は偽の細部を容易に生成する。
本稿では,現実的かつ視覚的に満足な結果を生成するために,境界対応デカップリングフローネットワーク(BDFlow)を提案する。
論文 参考訳（メタデータ） (2024-05-05T14:05:33Z)
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。