Fugu-MT 論文翻訳(概要): Conditioning Degenerate Diffusion Models

論文の概要: Conditioning Degenerate Diffusion Models

arxiv url: http://arxiv.org/abs/2609.04090v1
Date: Thu, 03 Sep 2026 17:00:44 GMT
ステータス: 翻訳完了
システム内更新日: 2026-09-04 18:28:39.161039
Title: Conditioning Degenerate Diffusion Models
Title（参考訳）: 条件付き縮退拡散モデル
Abstract要約: 現在の条件付き生成モデルは、トレーニング中のガイダンスのためのスコア関数に大きく依存している。因果的最適輸送を用いて、最小の仮定の下で誘導のための最小エントロピー制御を識別する即時損失関数を定義する。
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: Current conditioned generative models heavily rely on score functions for guidance during training. When the generative model is a diffusion process with a singular diffusion coefficient and the underlying (conditional) densities either do not exist or are not smooth, we use causal optimal transport to define \emph{approximate} loss functions that identify a minimum-entropy control for guidance under minimal assumptions. Our approach relies on causal optimal transport and its characterization through the predictable representation property of (conditioned) diffusion processes whose associated martingale problem is well posed, à la Üstünel.
Abstract（参考訳）: 現在の条件付き生成モデルは、トレーニング中のガイダンスのためのスコア関数に大きく依存している。生成モデルが特異拡散係数を持つ拡散過程であり、基礎となる(条件付き)密度が存在しないか滑らかでないとき、最小の仮定の下で誘導のための最小エントロピー制御を識別する 'emph{approximate} 損失関数を定義するために因果的最適輸送を用いる。提案手法は,マルティンゲール問題によく対応している(条件付き)拡散過程の予測可能な表現特性を通じて,因果的最適輸送とその特性に依拠する。

関連論文リスト

Deterministic Decomposition of Stochastic Generative Dynamics [4.949940153151258]
本稿では,境界および条件定式化の両方を通して生成力学を学習するためのフローベースフレームワークを提案する。提案手法は,確率輸送における浸透的寄与を調節することにより,解釈可能かつ制御可能なサンプリングを可能にすることを示す。
論文参考訳（メタデータ） (2026-05-09T08:31:17Z)
The Entropic Signature of Class Speciation in Diffusion Models [12.212582407125089]
雑音状態が与えられた潜在意味変数のクラス条件エントロピーを追跡することで、遷移状態の信頼できるシグネチャが得られることを示す。 EDM2-XS と安定拡散 1.5 では,クラス条件エントロピーが意味構造形成に不可欠なノイズ機構を一貫して分離する。
論文参考訳（メタデータ） (2026-02-10T10:56:46Z)
Condition Errors Refinement in Autoregressive Image Generation with Diffusion Loss [56.120591983649824]
本稿では拡散損失を伴う拡散・自己回帰モデルの理論解析について述べる。自動回帰モデルにおけるパッチデノゲーション最適化は、条件誤差を効果的に軽減し、安定した条件分布をもたらすことを示す。「条件不整合に対処するための最適輸送(OT)理論に基づく新しい条件改善手法を導入する。」
論文参考訳（メタデータ） (2026-02-02T07:48:04Z)
Simple and Critical Iterative Denoising: A Recasting of Discrete Diffusion in Graph Generation [0.0]
中間ノイズ状態間の依存関係は、逆ノイズ化プロセス中にエラーの蓄積と伝播を引き起こす。本稿では, 離散拡散を単純化し, 問題を回避し, 簡易反復分解という新しい枠組みを提案する。実験により,提案手法はグラフ生成タスクにおいて既存の離散拡散ベースラインを著しく上回ることを示す。
論文参考訳（メタデータ） (2025-03-27T15:08:58Z)
Minibatch Optimal Transport and Perplexity Bound Estimation in Discrete Flow Matching [0.0]
テキストデータなどの分類データ分布における自己回帰モデルの性能は、連続拡散とフローモデルでは依然として困難である。対流補間剤を用いた離散流に対する動的最適輸送様最小化法を提案する。連続フローとは異なり、変数の即時変化は密度推定を可能にするが、離散モデルは固有の非決定性や経路の不連続性のために同様のメカニズムを欠いている。
論文参考訳（メタデータ） (2024-11-01T17:35:09Z)
Constrained Diffusion Models via Dual Training [80.03953599062365]
拡散プロセスは、トレーニングデータセットのバイアスを反映したサンプルを生成する傾向がある。所望の分布に基づいて拡散制約を付与し,制約付き拡散モデルを構築する。本稿では,制約付き拡散モデルを用いて,目的と制約の最適なトレードオフを実現する混合データ分布から新しいデータを生成することを示す。
論文参考訳（メタデータ） (2024-08-27T14:25:42Z)
Constraint-Aware Diffusion Models for Trajectory Optimization [9.28162057044835]
本稿では,軌道最適化のための制約対応拡散モデルを提案する。拡散サンプルの制約違反を最小限に抑える訓練用ハイブリッド損失関数を提案する。本モデルでは, テーブルトップ操作と2台のリーチ回避問題について検討した。
論文参考訳（メタデータ） (2024-06-03T04:53:20Z)
Unveil Conditional Diffusion Models with Classifier-free Guidance: A Sharp Statistical Theory [87.00653989457834]
条件付き拡散モデルは現代の画像合成の基礎となり、計算生物学や強化学習などの分野に広く応用されている。経験的成功にもかかわらず、条件拡散モデルの理論はほとんど欠落している。本稿では,条件拡散モデルを用いた分布推定の急激な統計的理論を提示することにより,ギャップを埋める。
論文参考訳（メタデータ） (2024-03-18T17:08:24Z)
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)
On Error Propagation of Diffusion Models [77.91480554418048]
DMのアーキテクチャにおける誤り伝播を数学的に定式化するための理論的枠組みを開発する。累積誤差を正規化項として適用して誤差伝搬を低減する。提案した正規化はエラーの伝播を低減し,バニラDMを大幅に改善し,以前のベースラインよりも優れていた。
論文参考訳（メタデータ） (2023-08-09T15:31:17Z)
Lipschitz Singularities in Diffusion Models [64.28196620345808]
拡散モデルは、零点付近の時間変数に関して、しばしばネットワークの無限のリプシッツ特性を示す。ゼロ点近傍の拡散モデルのリプシッツ特異点を緩和する新しい手法 E-TSDM を提案する。我々の研究は、一般拡散過程の理解を深め、拡散モデルの設計に関する洞察を提供するかもしれない。
論文参考訳（メタデータ） (2023-06-20T03:05:28Z)
Diffusion Models are Minimax Optimal Distribution Estimators [49.47503258639454]
拡散モデリングの近似と一般化能力について、初めて厳密な分析を行った。実密度関数がベソフ空間に属し、経験値整合損失が適切に最小化されている場合、生成したデータ分布は、ほぼ最小の最適推定値が得られることを示す。
論文参考訳（メタデータ） (2023-03-03T11:31:55Z)

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。