論文の概要: Low-Pass Flow Matching

• arxiv url: http://arxiv.org/abs/2606.02177v1
• Date: Mon, 01 Jun 2026 12:35:13 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-06-02 21:34:32.005026
• Title: Low-Pass Flow Matching
• Title（参考訳）: ローパスフローマッチング
• Authors: Francesco M. Ruscio, T. Konstantin Rusch,
• Abstract要約: 本稿では,演算子変調補間子に基づくフローマッチングの変種であるLow-Pass Flow Matchingを紹介する。 この定式化は、経路がデータに近づくにつれて、ソーススペクトルから周波数遅延バイアスに遷移する時間変化のスペクトルバイアスを誘導する。 我々は,科学的なGalaxy10データセットを含む非条件画像生成タスクに対して,本手法の有効性を検証した。
• 参考スコア（独自算出の注目度）: 6.860988566886594
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Flow Matching typically relies on white noise sources, a choice often misaligned with the power spectra of natural data, which tend to decay with frequency. To address this, we introduce Low-Pass Flow Matching, a variant of Flow Matching based on an operator-modulated interpolant. This formulation induces a time-varying spectral bias that transitions from the source spectrum to a frequency-decaying bias as the path approaches the data. We validate our method on unconditional image generation tasks, including the scientific Galaxy10 dataset. Empirically, we show that our method is particularly effective when paired with adaptive ODE solvers, where it improves or preserves sample quality while substantially reducing sampling cost compared to standard baselines.
• Abstract（参考訳）: フローマッチングは通常、ホワイトノイズ源に依存し、選択は自然データのパワースペクトルとよく一致せず、周波数で減衰する傾向にある。 これを解決するために,演算子変調補間子に基づくフローマッチングの変種であるLow-Pass Flow Matchingを導入する。 この定式化は、経路がデータに近づくにつれて、ソーススペクトルから周波数遅延バイアスに遷移する時間変化のスペクトルバイアスを誘導する。 我々は,科学的なGalaxy10データセットを含む非条件画像生成タスクに対して,本手法の有効性を検証した。 実験により,本手法は,標準ベースラインに比べてサンプリングコストを大幅に削減しつつ,サンプル品質を改善し,保存し,適応型ODEソルバと組み合わせることで,特に有効であることを示す。

関連論文リスト

• LSCD: Lomb-Scargle Conditioned Diffusion for Time series Imputation [55.800319453296886]
  欠落または不規則なサンプルデータを持つ時系列は、機械学習において永続的な課題である。 我々は,不規則サンプルデータのパワースペクトルの信頼性の高い計算を可能にする,異なるLombiable-Scargle層を導入する。
  論文  参考訳（メタデータ） (2025-06-20T14:48:42Z)
• Solving Inverse Problems with FLAIR [68.87167940623318]
  本稿では,フローベース生成モデルを逆問題に先立って活用する学習自由変分フレームワークFLAIRを提案する。 標準画像ベンチマークの結果、FLAIRは再現性やサンプルの多様性の観点から、既存の拡散法や流れ法よりも一貫して優れていることが示された。
  論文  参考訳（メタデータ） (2025-06-03T09:29:47Z)
• DAWN-FM: Data-Aware and Noise-Informed Flow Matching for Solving Inverse Problems [4.212663349859165]
  不完全またはノイズの観測からパラメータを推定する逆問題(逆問題)は、医療画像などの様々な分野で発生する。 簡単な参照分布をマップするために決定論的プロセスを統合する生成フレームワークであるフローマッチング(FM)を採用している。 我々の手法DAWN-FM: Data-AWare and Noise-informed Flow Matchingは,データとノイズの埋め込みを組み込んで,測定データに関する表現へのアクセスを可能にする。
  論文  参考訳（メタデータ） (2024-12-06T04:18:49Z)
• Reflected Diffusion Models [93.26107023470979]
  本稿では,データのサポートに基づいて進化する反射微分方程式を逆転する反射拡散モデルを提案する。 提案手法は,一般化されたスコアマッチング損失を用いてスコア関数を学習し,標準拡散モデルの主要成分を拡張する。
  論文  参考訳（メタデータ） (2023-04-10T17:54:38Z)
• Optimal Algorithms for the Inhomogeneous Spiked Wigner Model [89.1371983413931]
  不均一な問題に対する近似メッセージパッシングアルゴリズム(AMP)を導出する。 特に,情報理論の閾値よりも大きい信号と雑音の比を必要とする既知のアルゴリズムが,ランダムよりも優れた処理を行うための統計的・計算的ギャップの存在を同定する。
  論文  参考訳（メタデータ） (2023-02-13T19:57:17Z)
• ABCAS: Adaptive Bound Control of spectral norm as Automatic Stabilizer [17.537850541544216]
  ABCASと呼ばれる適応正規化法を提供する新しい安定化器を提案する。 本手法は,実データと偽データの分布距離をチェックすることにより,判別器のリプシッツ定数を適応的に決定する。 提案手法は,生成側ネットワークのトレーニングの安定性を向上し,生成画像のFr'echet Inception Distanceスコアを向上する。
  論文  参考訳（メタデータ） (2022-11-12T07:15:28Z)
• On Sparse High-Dimensional Graphical Model Learning For Dependent Time Series [12.94486861344922]
  本稿では,スパース,高次元定常時系列の条件独立グラフ(CIG)を推定する問題を考察する。 スパースグループラッソに基づく周波数領域の定式化について述べる。 また,ベイズ情報基準に基づくチューニングパラメータの選択についても実験的に検討した。
  論文  参考訳（メタデータ） (2021-11-15T16:52:02Z)

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。