論文の概要: The Geometry of Phase Transitions in Generative Dynamics via Projection Caustics

• arxiv url: http://arxiv.org/abs/2606.13191v1
• Date: Thu, 11 Jun 2026 10:59:18 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-06-12 15:55:27.74268
• Title: The Geometry of Phase Transitions in Generative Dynamics via Projection Caustics
• Title（参考訳）: 射影コースティックスによる生成ダイナミクスにおける相転移の幾何学
• Authors: Ryosuke Sakamoto, Kotaro Sakamoto,
• Abstract要約: 連続状態生成型サンプリングは、連続逆時間ダイナミクスによって進化する。 本稿では, 相転移様挙動の幾何学的考察を行う。 本稿では,スコア指向不安定性の診断手法としてCritical boundary Detector(CBD)を導入する。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Continuous-state generative samplers, including diffusion and flow-matching models, evolve through continuous reverse-time dynamics, yet their samples often undergo abrupt qualitative changes: trajectories commit to modes, semantic alternatives collapse, and small perturbations in narrow time windows can produce large downstream effects. This paper develops a geometric account of such phase-transition-like behaviour. We view denoising as gradient descent on a free energy landscape and show that sharp transitions arise near projection caustics, where the nearest-point projection onto the data support ceases to be unique. Motivated by this perspective, we introduce the Critical Boundary Detector (CBD), as practical diagnostics for score-direction instability. Across toy models, standard diffusion models, and latent text-to-image diffusion models, CBD localises mode commitment, predicts intervention-sensitive windows, and supports targeted control in geometrically sensitive regions. Our results connect geometry of data and dynamics of diffusion generation.
• Abstract（参考訳）: 拡散およびフローマッチングモデルを含む連続状態生成サンプルは、連続的な逆時間ダイナミクスを通して進化するが、そのサンプルはしばしば急激な定性的変化を受ける: トラジェクトリはモードにコミットし、セマンティックオルタナティブは崩壊し、狭い時間窓での小さな摂動は、大きな下流効果をもたらす。 本稿では, 相転移様挙動の幾何学的考察を行う。 我々はデノナイジングを自由エネルギーランドスケープの勾配降下とみなし、射影因果近くで急激な遷移が起こることを示す。 この観点から,スコア指向不安定性の診断手法として,臨界境界検出器(CBD)を導入する。 玩具モデル、標準拡散モデル、潜在テキスト・ツー・イメージ拡散モデル、CBDはモードコミットメントをローカライズし、介入に敏感なウィンドウを予測し、幾何学的に敏感な領域におけるターゲット制御をサポートする。 この結果はデータ幾何学と拡散生成のダイナミクスを結びつけている。

関連論文リスト

• GeodesicNVS: Probability Density Geodesic Flow Matching for Novel View Synthesis [54.39598154430305]
  本稿では,ペアビュー間の決定論的変換を直接学習するデータ間フローマッチングフレームワークを提案する。 PDG-FMは、事前訓練された拡散モデルの確率密度測定値から導かれる測地的補間剤を用いて流れの軌跡を制約する。 これらの結果は、一貫した新しいビュー生成のための決定論的フローマッチングにデータ依存の幾何正規化を組み込むことの利点を強調している。
  論文  参考訳（メタデータ） (2026-03-01T09:30:11Z)
• Kuramoto Orientation Diffusion Models [67.0711709825854]
  指紋やテクスチャなどのオリエンテーションに富んだ画像は、しばしばコヒーレントな角模様を示す。 生体系における位相同期の役割を動機として,スコアベース生成モデルを提案する。 一般的な画像ベンチマークで競合する結果を実装し,指紋やテクスチャなどの指向性データセットの生成品質を大幅に向上する。
  論文  参考訳（メタデータ） (2025-09-18T18:18:49Z)
• Neural models for prediction of spatially patterned phase transitions: methods and challenges [0.37282630026096597]
  早期警告信号(EWS)検出は、今後のクリティカルトランジションの動的シグネチャを識別する可能性を示唆している。 本稿では,空間的位相パターン遷移に対するニューラルEWS検出の成功と欠点について検討する。
  論文  参考訳（メタデータ） (2025-05-14T18:24:15Z)
• One-for-More: Continual Diffusion Model for Anomaly Detection [63.50488826645681]
  異常検出法は拡散モデルを用いて任意の異常画像が与えられたときの正常サンプルの生成または再構成を行う。 われわれは,拡散モデルが「重度忠実幻覚」と「破滅的な忘れ」に悩まされていることを発見した。 本研究では,安定な連続学習を実現するために勾配予測を用いた連続拡散モデルを提案する。
  論文  参考訳（メタデータ） (2025-02-27T07:47:27Z)
• Geometric Trajectory Diffusion Models [58.853975433383326]
  生成モデルは3次元幾何学システムの生成において大きな可能性を示してきた。 既存のアプローチは静的構造のみで動作し、物理系は常に自然界において動的であるという事実を無視する。 本研究では3次元軌跡の時間分布をモデル化する最初の拡散モデルである幾何軌道拡散モデル(GeoTDM)を提案する。
  論文  参考訳（メタデータ） (2024-10-16T20:36:41Z)
• Spontaneous Symmetry Breaking in Generative Diffusion Models [6.4322891559626125]
  生成拡散モデルは近年,高次元データ生成の先導的アプローチとして浮上している。 これらのモデルの力学は、生成力学を2つの異なる位相に分割する自発的対称性の破れを示す。 本稿では,より高性能でバイアスの少ない高速サンプリングを実現する可能性を持つ拡散モデルの生成力学を理解するための新しい手法を提案する。
  論文  参考訳（メタデータ） (2023-05-31T09:36:34Z)

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。