論文の概要: Joint Flow Matching for Generator-Consistent Classification

• arxiv url: http://arxiv.org/abs/2607.23946v1
• Date: Mon, 27 Jul 2026 02:45:39 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-07-28 22:34:15.290998
• Title: Joint Flow Matching for Generator-Consistent Classification
• Title（参考訳）: 発電機の整合性分類のための連成流れマッチング
• Abstract要約: ジョイントフローマッチング(Joint Flow Matching、JFM)は、複数の変数にわたるフローを継続的に正規化するためのトレーニングフレームワークである。 我々は,JFMが同一関節の条件条件である一貫した関節分布を生成することを証明した。 我々はこの一貫性を、識別モデルにおける解釈可能性の基礎として、共同分類と生成の文脈で探求する。
• 参考スコア（独自算出の注目度）: 1.0312968200748118
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: We introduce Joint Flow Matching (JFM), a training framework for continuous normalising flows over multiple variables. Standard flow matching transports variables from noise to data simultaneously, offering no natural mechanism for forward and reverse conditional inference from a shared joint model. JFM resolves this by assigning opposite roles to each variable at the temporal endpoints. We prove that JFM produces a consistent joint distribution where that forward or reverse integration are conditionals of the same joint. We explore this consistency in the context of joint classification and generation as the basis for interpretability in discriminative-generative models. We validate JFM on conditional datasets producing competitive accuracy with inherently well-calibrated confidence scores without post-hoc calibration, and classifier-consistent image generation.
• Abstract（参考訳）: 複数の変数にまたがるフローを継続的に正規化するためのトレーニングフレームワークであるJoint Flow Matching (JFM)を導入する。 標準フローマッチングは、変数をノイズからデータへ同時に転送し、共有関節モデルから前方および逆条件推論のための自然なメカニズムを提供しない。 JFMは、時間エンドポイントの各変数に逆のロールを割り当てることでこれを解決している。 我々は,JFMが同一関節の条件条件である一貫した関節分布を生成することを証明した。 この一貫性を,識別・生成モデルにおける解釈可能性の基礎として,共同分類・生成の文脈で考察する。 条件付きデータセット上でのJSMの有効性を,ポストホックキャリブレーションを伴わない信頼性スコアと,分類器に一貫性のある画像生成を用いて検証した。

関連論文リスト

• Impute-EM: Native Mixed-State Diffusion Models for Heterogeneous Data Imputation [71.74203645336385]
  Impute-EMは、現在のモデルとインプットされていないエントリを交換し、完了したデータに拡散バックボーンをリフィットする。 我々は、この更新を特徴付け、観測されたマスクインデクシングされた辺縁線が、その限界で目標と一致していることを示す。
  論文  参考訳（メタデータ） (2026-09-14T09:39:13Z)
• Logit-Coordinate Generative Models for Mixed Continuous-Categorical Tabular Data [3.845877724862319]
  フローマッチングとガウス拡散はユークリッド空間で作用するが、圏法則は確率の単純化に依存し、非常に不均衡である。 本稿では,分類変数をスムーズな自然パラメータとしてエンコードし,変形した数値変数と組み合わせたロジット座標フレームワークについて検討する。 制御されたシミュレーションは、特に深刻なレアセルの不均衡の下で、スケールしたロジット座標が1ホット座標を改善または一致させることを示した。
  論文  参考訳（メタデータ） (2026-07-25T19:55:04Z)
• Contrastive-Augmented Flow Matching for Style-Content Disentanglement [26.08049457095161]
  Contrastive Augmented Flow Matching (CAtFM) は、コントラスト正規化を非可逆なフローマッチング形式に統合し、構造化コンテンツスタイルの表現を促進するフレームワークである。 我々の実験はCLIP埋め込み空間で行われ、凍結したDINOとALIGNエンコーダによるさらなる検証が行われた。 全体として、CAtFMは、決定論的輸送と差別的制約を結合する簡単な方法を提供する。
  論文  参考訳（メタデータ） (2026-07-14T06:23:52Z)
• Structured Coupling for Flow Matching [16.361601016656707]
  本稿では,構造化潜在表現学習に適合するフローを増大させる協調的なフレームワークを提案する。 SCFMは、構造付き遅延変数とノイズをソースに導入することにより、構造化された事前と連続的な輸送マップを共同で学習する。 潜在変数モデル変分推論と中間時間流速推定の両方に共有時間依存認識ネットワークを使用する。
  論文  参考訳（メタデータ） (2026-05-08T12:47:37Z)
• Conditionally Whitened Generative Models for Probabilistic Time Series Forecasting [19.525630481681358]
  Conditionally Whitened Generative Models (CW-Gen) は、条件付きホワイトニングを通じて事前情報を組み込むフレームワークである。 CW-Genは予測性能を継続的に向上し、非定常力学と変数間相関を事前自由アプローチよりも効果的に捉えている。
  論文  参考訳（メタデータ） (2025-09-25T09:13:37Z)
• 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)
• Consistency Flow Matching: Defining Straight Flows with Velocity Consistency [97.28511135503176]
  本稿では,速度場の自己整合性を明示する新しいFM法であるConsistency Flow Matching(Consistency-FM)を紹介する。 予備実験により、一貫性FMは、一貫性モデルよりも4.4倍速く収束することにより、トレーニング効率を著しく向上することが示された。
  論文  参考訳（メタデータ） (2024-07-02T16:15:37Z)
• Time-series Generation by Contrastive Imitation [87.51882102248395]
  モーメントマッチングの目的によってモチベーションされ、複合的エラーを軽減し、局所的(しかし前方的な)遷移ポリシーを最適化する。 推論において、学習されたポリシーは反復的なサンプリングのジェネレータとして機能し、学習されたエネルギーはサンプルの品質を評価するための軌道レベル尺度として機能する。
  論文  参考訳（メタデータ） (2023-11-02T16:45:25Z)
• Breaking the Spurious Causality of Conditional Generation via Fairness Intervention with Corrective Sampling [77.15766509677348]
  条件生成モデルは、トレーニングデータセットから急激な相関を継承することが多い。 これは別の潜在属性に対して不均衡なラベル条件分布をもたらす。 この問題を緩和するための一般的な2段階戦略を提案する。
  論文  参考訳（メタデータ） (2022-12-05T08:09:33Z)
• Accuracy on the Line: On the Strong Correlation Between Out-of-Distribution and In-Distribution Generalization [89.73665256847858]
  分布外性能は,広範囲なモデルと分布シフトに対する分布内性能と強く相関していることを示す。 具体的には,CIFAR-10 と ImageNet の変種に対する分布内分布と分布外分布性能の強い相関関係を示す。 また,CIFAR-10-Cと組織分類データセットCamelyon17-WILDSの合成分布の変化など,相関が弱いケースについても検討した。
  論文  参考訳（メタデータ） (2021-07-09T19:48:23Z)

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。