論文の概要: Variance-Tilted Diffusion Models for Diverse Sampling
- arxiv url: http://arxiv.org/abs/2606.22239v1
- Date: Sat, 20 Jun 2026 21:43:02 GMT
- ステータス: 情報取得中
- システム内更新日: 2026-06-23 14:51:04.124425
- Title: Variance-Tilted Diffusion Models for Diverse Sampling
- Title（参考訳）: 逆サンプリングのための可変点拡散モデル
- Authors: Iskander Azangulov, Leo Zhang, Kianoosh Ashouritaklimi,
- Abstract要約: 大規模な実験拡散を伴うサンプルの集合を好む分散重み付きバッチ分布を導入する。
ターゲットは明示的に指定され、サンプルは独立拡散力学の対応するDoob $h$-transformとして導出される。
- 参考スコア（独自算出の注目度）: 2.1854746234612406
- License:
- Abstract: Diffusion models are typically sampled independently, even when the downstream objective is to obtain a diverse set of candidates. We introduce a variance-weighted batch distribution that favours collections of samples with large empirical spread after a prescribed linear feature map. The target is specified explicitly, and the sampler is derived as the corresponding Doob $h$-transform of independent diffusion dynamics. The resulting correction has a compact form: an interaction term that repels posterior denoised means, together with a curvature term that moves particles to the region of higher feature variance. This yields an interacting-particle sampler with a transparent probabilistic target rather than a heuristic repulsive drift.
- Abstract（参考訳）: 拡散モデルは通常、下流の目的が多様な候補を得ることであるとしても、独立してサンプリングされる。
本稿では, 所定の線形特徴写像の後, 大規模な実験拡散を伴うサンプルの集合を好む分散重み付きバッチ分布を提案する。
ターゲットは明示的に指定され、サンプルは独立拡散力学の対応するDoob $h$-transformとして導出される。
結果として得られる補正はコンパクトな形式であり、後続の分極された手段を再現する相互作用項と、より高い特徴分散領域に粒子を移動させる曲率項である。
これにより、相互作用粒子サンプリング器は、ヒューリスティックな反発流ではなく、透明な確率的目標を持つ。
関連論文リスト
- Training-Free Generative Sampling via Moment-Matched Score Smoothing [0.6015898117103069]
拡散モデルは、摂動対象分布のスコアに沿ってデノイングすることでサンプルを生成する。
最近の研究は、スコアマッチングが暗黙的に経験的なスコアを滑らかにすることを示唆している。
モーメントマッチングされたスコアスムーズなランゲヴィンダイナミクスを提案する。
論文 参考訳（メタデータ） (2026-05-14T02:20:36Z) - Accelerated Diffusion Models via Speculative Sampling [89.43940130493233]
投機的サンプリングは、大規模言語モデルにおける推論を加速する一般的な手法である。
我々は投機的サンプリングを拡散モデルに拡張し、連続したベクトル値のマルコフ連鎖を介してサンプルを生成する。
本稿では,ドラフトモデルをトレーニングする必要のない,シンプルで効果的なアプローチを含む,さまざまなドラフト戦略を提案する。
論文 参考訳（メタデータ） (2025-01-09T16:50:16Z) - Theory on Score-Mismatched Diffusion Models and Zero-Shot Conditional Samplers [49.97755400231656]
一般のスコアミスマッチ拡散サンプリング器に対する明示的な次元依存性を持つ最初の性能保証を示す。
その結果, スコアミスマッチは, 目標分布とサンプリング分布の分布バイアスとなり, 目標分布とトレーニング分布の累積ミスマッチに比例することがわかった。
この結果は、測定ノイズに関係なく、任意の条件モデルに対するゼロショット条件付きサンプリングに直接適用することができる。
論文 参考訳（メタデータ） (2024-10-17T16:42:12Z) - Repulsive Latent Score Distillation for Solving Inverse Problems [31.255943277671893]
SDS(Score Distillation Sampling)は,逆問題などの下流タスクにおいて,事前学習した拡散モデルを活用する上で重要である。
モード崩壊と遅延空間逆転に対処するために, 後方サンプリングのための新しい変分フレームワークを提案する。
我々は、このフレームワークを拡張して、潜伏者とデータをアンタングルする拡張された変分分布を拡張します。
論文 参考訳（メタデータ） (2024-06-24T14:43:02Z) - Theoretical Insights for Diffusion Guidance: A Case Study for Gaussian
Mixture Models [59.331993845831946]
拡散モデルは、所望の特性に向けてサンプル生成を操るために、スコア関数にタスク固有の情報を注入することの恩恵を受ける。
本稿では,ガウス混合モデルの文脈における拡散モデルに対する誘導の影響を理解するための最初の理論的研究を提供する。
論文 参考訳（メタデータ） (2024-03-03T23:15:48Z) - Particle Guidance: non-I.I.D. Diverse Sampling with Diffusion Models [41.192240810280424]
本稿では, 粒子間時間進化ポテンシャルが多様性を強制する拡散型生成サンプリングの拡張である粒子誘導法を提案する。
我々は,粒子誘導が生み出す結合分布,最適多様性を達成するポテンシャルの学習方法,および他の分野の手法との関係を理論的に分析する。
論文 参考訳（メタデータ） (2023-10-19T19:01:00Z) - Bi-Noising Diffusion: Towards Conditional Diffusion Models with
Generative Restoration Priors [64.24948495708337]
本研究では,事前訓練した非条件拡散モデルを用いて,予測サンプルをトレーニングデータ多様体に導入する手法を提案する。
我々は,超解像,着色,乱流除去,画像劣化作業におけるアプローチの有効性を実証するための総合的な実験を行った。
論文 参考訳（メタデータ） (2022-12-14T17:26:35Z)
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。