論文の概要: Residual-Space Evolutionary Optimization via Flow-based Generative Models

• arxiv url: http://arxiv.org/abs/2606.20084v1
• Date: Thu, 18 Jun 2026 11:02:11 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-06-19 18:23:39.809556
• Title: Residual-Space Evolutionary Optimization via Flow-based Generative Models
• Title（参考訳）: フローベース生成モデルによる残留空間の進化的最適化
• Authors: Zhuo Cao, Lena Krieger, Fernanda Nader, Xuan Zhao, Hanno Scharr, Ira Assent,
• Abstract要約: 本稿では,フローベース生成編集と進化アルゴリズムを組み合わせたモデル非依存のフレームワークである残留空間進化最適化を導入する。 概念実証として,反ファクト生成のためのベンチマークデータセットであるMorphoMNISTを検証した。
• 参考スコア（独自算出の注目度）: 42.567799767855035
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Data editing with generative methods typically requires differentiable objectives and gradient-based search. However, these assumptions break down in flow-based settings, where edits are performed through forward and backward integration and often involve non-differentiable or black-box objectives. We introduce residual-space evolutionary optimization, a model-agnostic framework that addresses this gap by combining flow-based generative editing with evolutionary algorithms. Building on the observation that conditional flow matching (CFM) can disentangle condition-controlled factors from instance-specific residuals, our framework directly operates in residual space and separates two complementary search regimes: self-pollination performs local exploitation through feature-preserving residual refinement, and cross-pollination promotes broader exploration by recombining residuals across heterogeneous samples. As a proof of concept, we validate on MorphoMNIST, a benchmark dataset for counterfactual generation, and on crystal data, demonstrating that this exploration--exploitation decomposition provides a useful mechanism for balancing target alignment, instance preservation, and diversity, and extends beyond images to real-world scientific domains.
• Abstract（参考訳）: 生成手法によるデータ編集は、典型的には微分可能な目的と勾配に基づく探索を必要とする。 しかし、これらの仮定はフローベースの設定で分解され、編集は前方と後方の統合を通して行われ、しばしば微分不可能またはブラックボックスの目的を伴う。 本稿では、フローベースの生成編集と進化アルゴリズムを組み合わせることで、このギャップに対処するモデルに依存しないフレームワークである残留空間進化最適化を導入する。 条件付きフローマッチング (CFM) は, 条件付きフローマッチング (CFM) が条件制御因子をインスタンス固有残差から切り離し, 残差空間で直接動作し, 補間探索機構を分離する。 概念実証として、反ファクト生成のためのベンチマークデータセットであるMorphoMNISTと結晶データを用いて、この探索-探索分解が、ターゲットアライメント、インスタンス保存、多様性のバランスをとる上で有用なメカニズムを提供し、画像を超えて現実の科学領域に拡張することを示す。

関連論文リスト

• Revitalizing the Beginning: Avoiding Storage Dependency for Model Merging in Continual Learning [57.10440766103372]
  Trajectory Regularized Merging (TRM) は、拡張されたトラジェクトリ部分空間内の最適化プロセスとしてマージフェーズを再構成するフレームワークである。 本フレームワークは,タスクアライメント,予測整合性,勾配応答性といった3つの相乗的目標を統合し,統合モデルの履歴安定性と再活性化最適化のダイナミクスを同時に保存する。
  論文  参考訳（メタデータ） (2026-05-08T14:07:32Z)
• Active Flow Matching [14.437387789022354]
  アクティブフローマッチング(AFM)は、フローに沿った条件付きエンドポイント分布を操作するための変動目的を再構成する。 我々は、自己正規化重要度サンプリングを用いて、前方および逆のKullback-Leibler(KL)変異を導出する。
  論文  参考訳（メタデータ） (2026-03-01T02:50:07Z)
• 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)
• Well2Flow: Reconstruction of reservoir states from sparse wells using score-based generative models [0.22499166814992438]
  本研究では,貯水池シミュレーションシナリオにおけるスコアベース生成モデルの利用について検討した。 塩水帯水層における空間的に多孔質で飽和度の高いフィールドの再構築に焦点が当てられ、2つの井戸でのスパース観測から推測される。 物理制約とウェルログガイダンスを生成モデルに組み込む新しい手法を導入し、再構成された地下状態の精度と物理的妥当性を著しく向上させる。
  論文  参考訳（メタデータ） (2025-04-07T20:12:19Z)
• Spatially-Aware Diffusion Models with Cross-Attention for Global Field Reconstruction with Sparse Observations [1.371691382573869]
  フィールド再構成タスクにおけるスコアベース拡散モデルの開発と拡張を行う。 本研究では,観測領域と観測領域の間のトラクタブルマッピングを構築するための条件符号化手法を提案する。 本研究では, モデルが再現可能かどうかを把握し, 融合結果の精度を向上する能力を示す。
  論文  参考訳（メタデータ） (2024-08-30T19:46:23Z)
• Amortized Posterior Sampling with Diffusion Prior Distillation [55.03585818289934]
  Amortized Posterior Smplingは、逆問題における効率的な後方サンプリングのための新しい変分推論手法である。 本手法は,拡散モデルにより暗黙的に定義された変動分布と後続分布とのばらつきを最小限に抑えるために条件付き流れモデルを訓練する。 既存の手法とは異なり、我々のアプローチは教師なしであり、ペア化されたトレーニングデータを必要としておらず、ユークリッドと非ユークリッドの両方のドメインに適用できる。
  論文  参考訳（メタデータ） (2024-07-25T09:53:12Z)
• Deterministic Decoupling of Global Features and its Application to Data Analysis [0.0]
  部分多様体上の変換の定義に基づく新しい定式化を提案する。 これらの変換を通じて正規化を定義し、それを実証することで、微分可能な特徴を分離することができる。 本手法を,グローバルな記述子に基づく回帰・分類問題に対して,元のデータ領域とフィルタバンクの出力に適用する。
  論文  参考訳（メタデータ） (2022-07-05T15:54:39Z)
• Heterogeneous Target Speech Separation [52.05046029743995]
  我々は,非相互排他的概念を用いて興味のあるソースを区別できる単一チャネルターゲットソース分離のための新しいパラダイムを提案する。 提案する異種分離フレームワークは,分散シフトが大きいデータセットをシームレスに利用することができる。
  論文  参考訳（メタデータ） (2022-04-07T17:14:20Z)

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。