Fugu-MT 論文翻訳(概要): Notes on generative modeling: flow matching, diffusion, optimal transport and Schr{ö}dinger bridge

論文の概要: Notes on generative modeling: flow matching, diffusion, optimal transport and Schr{ö}dinger bridge

arxiv url: http://arxiv.org/abs/2606.30053v1
Date: Mon, 29 Jun 2026 09:44:51 GMT
ステータス: 翻訳完了
システム内更新日: 2026-06-30 18:07:16.170424
Title: Notes on generative modeling: flow matching, diffusion, optimal transport and Schr{ö}dinger bridge
Title（参考訳）: 生成的モデリングに関する注記:フローマッチング、拡散、最適輸送およびシュル{ö}ディンガーブリッジ
Abstract要約: 最適輸送とシュルディンガー橋や流速整合といった標準技術との接続について述べる。これらのノートは、生成モデリングの様々な技術の背後にある高度な数学的原理を再カプセル化する。
参考スコア（独自算出の注目度）: 6.412049093285962
License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
Abstract: These notes recapitulate the high level mathematical principles behind different techniques for generative modeling. I show the connections between optimal transport and standard techniques such as Schr{ö}dinger bridge and flow matching.
Abstract（参考訳）: これらのノートは、生成モデリングの様々な技術の背後にある高レベルの数学的原理を再カプセル化する。最適輸送とSchr{ö}dinger Bridgeやフローマッチングといった標準技術との接続を示す。

関連論文リスト

Drift Flow Matching [69.16550765154163]
ドリフトフローマッチング(Drift Flow Matching)は,ドリフト生成モデルとフローベース反復生成を結びつけるフレームワークである。 DFMは直接輸送マップの効率を保ちつつ、複数の推論ステップを通じて生成を洗練させる。
論文参考訳（メタデータ） (2026-05-17T03:58:01Z)
Foundations of Schrödinger Bridges for Generative Modeling [0.7953056533753116]
シュルディンガーブリッジは、単純な事前分布を確率空間の経路を通して複素目標分布に変換する。このガイドはシュルディンガー橋問題の数学的基礎を発展させている。動的定式化に焦点をあて、現代の生成的モデリングと直接接続する。
論文参考訳（メタデータ） (2026-03-19T14:59:56Z)
Diffusion Bridge or Flow Matching? A Unifying Framework and Comparative Analysis [57.614436689939986]
拡散ブリッジとフローマッチングは、任意の分布間の変換において魅力的な経験的性能を示した。我々は,これらのフレームワークを最適制御のレンズを通して再キャストし,拡散橋のコスト関数が低いことを証明した。これらの理論的主張を裏付けるために,潜伏変圧器上に構築された拡散橋の新しい強力なアーキテクチャを提案する。
論文参考訳（メタデータ） (2025-09-29T09:45:22Z)
Gauge Flow Models [44.99833362998488]
学習可能なゲージ場をフロー正規微分方程式(ODE)に組み込むゲージフローモデルガウス混合モデルにおけるフローマッチングを用いた実験は、ガウスフローモデルが従来のフローモデルと同等かそれ以上の大きさのモデルよりもはるかに優れた性能が得られることを示した。
論文参考訳（メタデータ） (2025-07-17T12:24:54Z)
Generative Diffusion Modeling: A Practical Handbook [25.81859481634996]
拡散確率モデル、スコアベースの生成モデル、一貫性モデル、修正フロー、および関連する方法。コンテンツは拡散モデルの基礎、事前学習プロセス、および様々なポストトレーニング方法を含む。実用的なガイドとして設計され、理論的な深さよりも明瞭さとユーザビリティを強調している。
論文参考訳（メタデータ） (2024-12-22T21:02:36Z)
Exploring Diffusion and Flow Matching Under Generator Matching [0.0]
拡散とフローマッチングは、Generator Matchingの統一されたフレームワークの下で見ることができる。同じ生成的マルコフフレームワークの下で拡散とフローマッチングの両方をリキャストすることにより、フローマッチングモデルがより堅牢になる理由に関する理論的知見を提供する。
論文参考訳（メタデータ） (2024-12-15T02:35:31Z)
Schrödinger Bridge Flow for Unpaired Data Translation [38.19632736212184]
最適輸送 (OT) マップの動的エントロピー正規化版である Schr"odinger Bridge を計算するための新しいアルゴリズムを提案する。このアルゴリズムは、経路測度の流れの離散化に対応しており、これをSchr"odinger Bridge Flowと呼ぶ。我々は,不適切なデータ翻訳タスクにおいて,アルゴリズムの性能を実証する。
論文参考訳（メタデータ） (2024-09-14T07:34:30Z)
FASTopic: Pretrained Transformer is a Fast, Adaptive, Stable, and Transferable Topic Model [76.509837704596]
本稿では,高速で適応的で,安定で,移動可能なトピックモデルであるFASTopicを提案する。我々はDSR(Dual Semantic-Relation Reconstruction)を用いて潜在トピックをモデル化する。また, セマンティック関係を最適輸送計画として正規化するためのETP(Embedding Transport Plan)を提案する。
論文参考訳（メタデータ） (2024-05-28T09:06:38Z)
Guided Flows for Generative Modeling and Decision Making [55.42634941614435]
その結果,ガイドフローは条件付き画像生成やゼロショット音声合成におけるサンプル品質を著しく向上させることがわかった。特に、我々は、拡散モデルと比較して、オフライン強化学習設定axスピードアップにおいて、まず、計画生成にフローモデルを適用する。
論文参考訳（メタデータ） (2023-11-22T15:07:59Z)
Transport meets Variational Inference: Controlled Monte Carlo Diffusions [5.5654189024307685]
本稿では,経路空間上の発散に着目したサンプリングおよび生成モデリングのための原理的かつ体系的な枠組みを提案する。ベイズ計算のためのemphControlled Monte Carlo Diffusion sampler (CMCD)を開発した。
論文参考訳（メタデータ） (2023-07-03T14:28:36Z)
Riemannian Diffusion Schr\"odinger Bridge [56.20669989459281]
拡散モデルのサンプリングを高速化するために,emphRiemannian Diffusion Schr"odinger Bridgeを導入する。提案手法は, 合成データと実際の地球・気候データについて検証する。
論文参考訳（メタデータ） (2022-07-07T00:35:04Z)
Haar Wavelet based Block Autoregressive Flows for Trajectories [129.37479472754083]
歩行者等の軌道予測は,自律型エージェントの性能向上に不可欠である。本稿では分割結合を利用した新しいハールウェーブレットに基づくブロック自己回帰モデルを提案する。実世界の2つのデータセット上で、多種多様な正確な軌跡を生成するアプローチの利点について説明する。
論文参考訳（メタデータ） (2020-09-21T13:57:10Z)

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。