論文の概要: Latent Process Generator Matching

• arxiv url: http://arxiv.org/abs/2605.20547v1
• Date: Tue, 19 May 2026 22:49:05 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-05-21 19:19:56.405845
• Title: Latent Process Generator Matching
• Title（参考訳）: ラテントプロセスジェネレータマッチング
• Authors: Lukas Billera, Hedwig Nora Nordlinder, Ben Murrell,
• Abstract要約: 本稿では、観測された生成状態を決定論的画像として扱う一般的なフレームワークである潜在プロセスジェネレータマッチングを紹介する。 この設定では、投影されたプロセスと同じ1時間間隔の分布を持つ画像空間上のプロセスの生成を学習することができる。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Many recent flow-matching and diffusion-style generative models rely on auxiliary stochastic dynamics during training: a richer process is simulated to define conditional targets, but the auxiliary state is either intractable to sample at generation time or simply not part of the desired output. Existing Generator Matching theory formalises conditioning on static latent random variables, and several recent papers prove special cases of projection results for particular augmented-state constructions. We introduce latent process generator matching, a general framework that treats the observed generative state as a deterministic image $X_t=Φ(Y_t)$ of a tractable Markov process $Y_t$. We show that in this setting one may learn the generator of a stochastic process on the image space which has the same one-time marginal distributions as the projected process. This generalizes and subsumes the discrete latent process results from the literature, and extends Generator Matching from static latent variables to a rich family of time-dependent latent conditional processes.
• Abstract（参考訳）: よりリッチなプロセスは条件的目標を定義するためにシミュレートされるが、補助状態は生成時にサンプリングされるか、単に所望の出力の一部ではない。 既存のジェネレータマッチング理論は、静的潜在確率変数の条件付けを定式化し、最近のいくつかの論文は、特定の拡張状態構造に対する射影結果の特別なケースを証明している。 我々は、観測された生成状態を決定論的画像として扱う一般的なフレームワークである潜在プロセスジェネレータマッチングについて紹介する。 この設定では、投影された過程と同じ1時間辺分布を持つ画像空間上の確率過程の生成を学習することができる。 これは、文献から得られた離散潜在過程を一般化し、仮定し、ジェネレータマッチングを静的潜在変数から、時間依存の潜在条件プロセスの豊富なファミリーに拡張する。

関連論文リスト

• Generative Modeling of Approximately Periodic Time Series by a Posterior-Weighted Gaussian Process [0.4460583138505672]
  本稿では,ほぼ周期的な時系列生成モデルを提案する。 本稿では,2段階構成による繰り返し間変動から繰り返し構造を分離する手法を提案する。
  論文  参考訳（メタデータ） (2026-05-13T08:17:00Z)
• Random-Bridges as Stochastic Transports for Generative Models [1.2599533416395763]
  本稿では,ランダムブリッジ(固定時間開始時の目標分布を推定する条件付きプロセス)の使用を動機とする。 一般的な確率的ステートメントから始めて、学習とシミュレーションアルゴリズムのための特定の表現に分岐する方法を示す。
  論文  参考訳（メタデータ） (2025-12-16T08:37:19Z)
• Distributional Diffusion Models with Scoring Rules [83.38210785728994]
  拡散モデルは高品質な合成データを生成する。 高品質な出力を生成するには、多くの離散化ステップが必要です。 クリーンデータサンプルの後部エム分布を学習し,サンプル生成を実現することを提案する。
  論文  参考訳（メタデータ） (2025-02-04T16:59:03Z)
• GenFormer: A Deep-Learning-Based Approach for Generating Multivariate Stochastic Processes [5.679243827959339]
  本稿では,マルコフ状態列と時系列値のマッピングを学習するトランスフォーマーに基づくディープラーニングモデルを提案する。 GenFormerモデルを用いて,フロリダ州各地の風速データをシミュレーションし,リスク管理のための超越確率を計算する。
  論文  参考訳（メタデータ） (2024-02-03T03:50:18Z)
• Time-series Generation by Contrastive Imitation [87.51882102248395]
  モーメントマッチングの目的によってモチベーションされ、複合的エラーを軽減し、局所的(しかし前方的な)遷移ポリシーを最適化する。 推論において、学習されたポリシーは反復的なサンプリングのジェネレータとして機能し、学習されたエネルギーはサンプルの品質を評価するための軌道レベル尺度として機能する。
  論文  参考訳（メタデータ） (2023-11-02T16:45:25Z)
• Accurate generation of stochastic dynamics based on multi-model Generative Adversarial Networks [0.0]
  GAN(Generative Adversarial Networks)は、テキストや画像生成などの分野において大きな可能性を秘めている。 ここでは、格子上の原型過程に適用することにより、このアプローチを定量的に検証する。 重要なことに、ノイズにもかかわらずモデルの離散性は維持される。
  論文  参考訳（メタデータ） (2023-05-25T10:41:02Z)
• Symbolic Music Generation with Diffusion Models [4.817429789586127]
  本論文では,前訓練された可変オートエンコーダの連続潜空間における離散領域をパラメータ化することにより,連続データに対する拡散モデルを訓練する手法を提案する。 同じ連続埋め込み上で動作する自己回帰型言語モデルと比較して,強い無条件生成とポストホック条件付インフィル結果を示す。
  論文  参考訳（メタデータ） (2021-03-30T05:48:05Z)
• Conditional Hybrid GAN for Sequence Generation [56.67961004064029]
  本稿では,この問題を解決するための条件付きハイブリッドGAN(C-Hybrid-GAN)を提案する。 我々はGumbel-Softmax法を利用して離散値列の分布を近似する。 提案したC-Hybrid-GANは、文脈条件付き離散値シーケンス生成において既存の手法よりも優れていることを示す。
  論文  参考訳（メタデータ） (2020-09-18T03:52:55Z)
• Efficiently Sampling Functions from Gaussian Process Posteriors [76.94808614373609]
  高速後部サンプリングのための簡易かつ汎用的なアプローチを提案する。 分離されたサンプルパスがガウス過程の後部を通常のコストのごく一部で正確に表現する方法を実証する。
  論文  参考訳（メタデータ） (2020-02-21T14:03:16Z)

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。