論文の概要: Itô maps for any-step SDEs

• arxiv url: http://arxiv.org/abs/2606.11156v1
• Date: Tue, 09 Jun 2026 17:39:22 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-06-10 15:40:58.651902
• Title: Itô maps for any-step SDEs
• Title（参考訳）: 任意のステップSDEのイトー写像
• Authors: Zhengkai Pan, Peter Potaptchik, Wenxi Yao, Michael S. Albergo, Jakiw Pidstrigach,
• Abstract要約: 最近の一段階生成モデルは、基礎となる力学の決定論的フローマップを学習することでサンプリングを加速する。 中間状態とブラウン経路を取り、将来の状態を1回のパスで予測する任意のステップフローマップであるイットマップを導入する。 マップは、固定された中間状態から多様な条件付きエンドポイントサンプルを生成し、合成および画像生成ベンチマーク上で強力なステアリング性能をサポートする。
• 参考スコア（独自算出の注目度）: 5.492715250025273
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Recent one-step generative models accelerate sampling by learning deterministic flow maps of the underlying dynamics. These methods rely on learning from ordinary differential equations, leaving open how to define an exact distillation procedure for stochastic dynamics. We introduce the Itô map, an any-step stochastic flow map that takes an intermediate state and Brownian path and predicts future states in a single pass. The Itô map formulation yields novel estimators for inference-time control by providing cheap, differentiable access to posterior samples. Empirically, Itô maps produce diverse, conditionally valid endpoint samples from fixed intermediate states and support strong steering performance on synthetic and image-generation benchmarks. These results establish any-step SDE integration as a useful primitive for posterior sampling and stochastic control.
• Abstract（参考訳）: 最近の一段階生成モデルは、基礎となる力学の決定論的フローマップを学習することでサンプリングを加速する。 これらの手法は通常の微分方程式から学習することに依存しており、確率力学の正確な蒸留方法を定義するためのオープンな方法を残している。 我々は、中間状態とブラウン経路を取る任意のステップ確率フローマップであるイトー写像を導入し、1回のパスで将来の状態を予測する。 イトー写像の定式化は、後方サンプルへの安価で微分可能なアクセスを提供することにより、推論時間制御のための新しい推定器を生成する。 実証的に、イトーマップは、固定された中間状態から多様な条件付きエンドポイントサンプルを生成し、合成および画像生成ベンチマーク上で強力なステアリング性能をサポートする。 これらの結果から,任意のステップSDE統合が後方サンプリングおよび確率制御に有用なプリミティブとして確立された。

関連論文リスト

• Strong Stochastic Flow Maps [38.75021352054866]
  流れと拡散モデルは多くのモードで高品質なサンプルを生成する。 フローマップは微分方程式の解写像を直接学習することでこの問題を緩和する。 我々は,加法雑音SDEの強解マップを学習するための新しいフレームワークとして,Strong Flow Map (SSFM)を提案する。
  論文  参考訳（メタデータ） (2026-05-31T08:14:47Z)
• 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)
• Stochastic Transition-Map Distillation for Fast Probabilistic Inference [14.377745343756485]
  拡散モデルは、強力な世代品質、多様性、分布範囲を達成するが、その性能には高価な推論が伴うことが多い。 本研究では,拡散モデル推論を高速化する教師レスフレームワークであるTransition-Map Distillation (STMD)を提案する。
  論文  参考訳（メタデータ） (2026-05-08T12:31:44Z)
• Variational Smoothing and Inference for SDEs from Sparse Data with Dynamic Neural Flows [2.9746075314244376]
  本研究では, 部分的に観測された系における後方微分方程式(SDE)の平滑化手法を開発した。 我々は、支配的PDEと観察誘発ジャンプ条件の両方を満たすために訓練されたニューラルネットワークを用いて、この条件スコアを学習する。 得られたスコアは、同じ拡散係数を持つ後部SDEを誘導するが、修正されたドリフトを誘導し、効率的な後部軌道を可能にする。
  論文  参考訳（メタデータ） (2026-05-07T02:47:06Z)
• Beyond Scores: Proximal Diffusion Models [10.27283386401996]
  対数密度の近似演算子を学習するために, 近似拡散モデル (ProxDM) を開発した。 ProxDMの2つの変種は,従来のスコアマッチング法と比較して,わずか数ステップで大幅に高速化された。
  論文  参考訳（メタデータ） (2025-07-11T18:30:09Z)
• Feynman-Kac Correctors in Diffusion: Annealing, Guidance, and Product of Experts [64.34482582690927]
  事前学習したスコアベースモデルから得られた熱処理, 幾何平均, 製品分布の配列から, 効率的かつ原理的に抽出する方法を提供する。 本稿では,サンプリング品質を向上させるために,推論時間スケーリングを利用する逐次モンテカルロ(SMC)再サンプリングアルゴリズムを提案する。
  論文  参考訳（メタデータ） (2025-03-04T17:46:51Z)
• Flow map matching with stochastic interpolants: A mathematical framework for consistency models [15.520853806024943]
  フローマップマッチングは、基礎となる生成モデルの2時間フローマップを学ぶための原則化されたフレームワークである。 FMMは,高速サンプリングのための既存手法の幅広いクラスを統一し,拡張することを示す。
  論文  参考訳（メタデータ） (2024-06-11T17:41:26Z)
• 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)
• Restoration-Degradation Beyond Linear Diffusions: A Non-Asymptotic Analysis For DDIM-Type Samplers [90.45898746733397]
  本研究では拡散生成モデルに用いる決定論的サンプリング器の非漸近解析のためのフレームワークを開発する。 確率フローODEに沿った1ステップは,1) 条件付き対数線上を無限に先行して上昇する回復ステップ,2) 雑音を現在の勾配に向けて前向きに進行する劣化ステップの2段階で表すことができる。
  論文  参考訳（メタデータ） (2023-03-06T18:59:19Z)
• Score-based Continuous-time Discrete Diffusion Models [102.65769839899315]
  連続時間マルコフ連鎖を介して逆過程が認知されるマルコフジャンププロセスを導入することにより、拡散モデルを離散変数に拡張する。 条件境界分布の単純なマッチングにより、偏りのない推定器が得られることを示す。 提案手法の有効性を,合成および実世界の音楽と画像のベンチマークで示す。
  論文  参考訳（メタデータ） (2022-11-30T05:33:29Z)

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。