論文の概要: Score-based Outlier Generation via Controlling the Radon-Nikodym Derivative

• arxiv url: http://arxiv.org/abs/2609.12113v1
• Date: Thu, 10 Sep 2026 18:39:10 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-09-15 07:38:31.513996
• Title: Score-based Outlier Generation via Controlling the Radon-Nikodym Derivative
• Title（参考訳）: ラドン-ニコディム誘導体の制御によるスコアベースアウトリア生成
• Abstract要約: 外乱はストレステストアルゴリズムや稀な条件下でのシステムの振る舞いを理解する上で重要である。 ログライクな値の分布に基づいて,アウトレーヤの測度理論的概念を導入する。 我々はOrnstein-Uhlenbeck半群に基づく拡散モデルを利用して指数関数的に補間されたコントローラを動機付ける。
• 参考スコア（独自算出の注目度）: 6.4704208663487295
• License: http://creativecommons.org/licenses/by-sa/4.0/
• Abstract: Outliers are important for stress-testing algorithms and understanding system behaviour under rare conditions. Despite being commonly described as low-likelihood events, existing generative approaches rarely control likelihood explicitly. In this work, we introduce a measure-theoretic notion of outliers based on the distribution of log-likelihood values, which is guaranteed to assign higher probability mass to low-likelihood events with a specifiable magnitude. Building on this formulation, we derive how likelihood reweighting modifies the diffusion score and use this relation to motivate a controlled modification of the reverse-time dynamics. In particular, likelihood reweighting implies a scaling of the score function with a control term derived from the Radon-Nikodym derivative of the likelihood distributions. Correspondingly, the updated score function can be obtained with no retraining of the diffusion model. We exploit the Ornstein-Uhlenbeck semigroup underlying diffusion models to motivate an exponentially interpolated controller which approximates the true control. Experiments demonstrate controlled generation of low-likelihood samples while remaining consistent with the data geometry.
• Abstract（参考訳）: 外乱はストレステストアルゴリズムや稀な条件下でのシステムの振る舞いを理解する上で重要である。 低様相の事象として一般的に説明されているが、既存の生成的アプローチが明示的に制御されることは滅多にない。 本研究では,ログ類似度値の分布に基づく外れ値の測度理論的概念を導入し,高い確率質量を推定可能な大きさで低類似度事象に割り当てることを保証した。 この定式化に基づいて、再重み付けが拡散スコアをいかに修正するかを導出し、この関係を用いて逆時間ダイナミクスの制御された修正を動機付ける。 特に、可能性再重み付けは、確率分布のラドン-ニコディム微分から導かれる制御項によるスコア関数のスケーリングを意味する。 それに対応して、拡散モデルのリトレーニングを行わずに、更新されたスコア関数を得ることができる。 我々はOrnstein-Uhlenbeck半群に基づく拡散モデルを利用して、真の制御を近似する指数的に補間されたコントローラを動機付ける。 実験では、データ幾何と整合性を維持しながら、低分子量サンプルの制御された生成を示す。

関連論文リスト

• Conservation Laws for Diffusion Models [10.98617584718584]
  我々は,メモリレスノイズプロセスのクラスに対する保存則を策定する。 データモデルクロスエントロピー(CE)は,雑音経路に沿った局所情報理論微分の積分として正確に特徴付けられることを示す。 合成マルコフ源と標準ベンチマークを用いてこれらの予測を検証した。
  論文  参考訳（メタデータ） (2026-07-11T01:37:52Z)
• From Scores to Gibbs Correctors: Accelerating Uniform-Rate Discrete Diffusion Models [58.02657021435213]
  我々は、Gibs-Accelerated Discrete Diffusion (GADD)と呼ばれる離散拡散モデルのための新しいGibsベースの修正器を提案する。 我々はGADDが$mathcalO(mathrmpolylog (varepsilon-1)$の総合的なサンプリング複雑性を達成し、均一レートの離散拡散モデルに対する拡散に基づくサンプリング者にとって最初のレートとなることを示す。
  論文  参考訳（メタデータ） (2026-05-26T17:52:28Z)
• Causality-Encoded Diffusion Models for Interventional Sampling and Edge Inference [12.531769483039405]
  本稿では,有向非巡回グラフを組み込んだ因果符号化拡散フレームワークを提案する。 得られたサンプリング器は、観測分布をほぼ復元し、介入サンプリングを可能にする。 フローデータへの適用は,提案手法の有効性を実証するものである。
  論文  参考訳（メタデータ） (2026-04-23T16:32:49Z)
• Mitigating the Likelihood Paradox in Flow-based OOD Detection via Entropy Manipulation [24.066271161451425]
  エントロピー制御は,分布内とOODサンプル間の対数類似のギャップを増大させ,分布内を優先する。 提案手法は,標準ベンチマークを用いた可能性に基づくOOD検出器に対して評価し,ベースラインよりも一貫したAUROCの改良を見出した。
  論文  参考訳（メタデータ） (2026-02-10T09:31:03Z)
• Provably Reliable Classifier Guidance via Cross-Entropy Control [4.298880233819988]
  拡散モデルの各ステップにおけるクロスエントロピー損失は、対応する誘導誤差を制御するのに十分であることを示す。 その結果,サンプリング誤差ベクトル誘導拡散モデル上界が得られ,逆対数ソボレフ型不等式に類似していることがわかった。
  論文  参考訳（メタデータ） (2026-01-29T02:59:04Z)
• Rectified Diffusion Guidance for Conditional Generation [94.83538269086613]
  CFGの背後にある理論を再検討し、不適切な組合せ係数(textiti.e.)が生成分布を期待的にシフトさせることを厳密に確認する。 提案手法は, 強みを考慮すれば, textbftextitform ソリューションが有効であることを示す。 実世界のデータに関する実証的な証拠は、我々の設計と既存の最先端拡散モデルとの整合性を実証している。
  論文  参考訳（メタデータ） (2024-10-24T13:41:32Z)
• 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)
• Your Absorbing Discrete Diffusion Secretly Models the Conditional Distributions of Clean Data [55.54827581105283]
  本研究では, 吸収拡散の具体的なスコアを, クリーンデータの条件付き確率として表すことができることを示す。 時間に依存しない条件付き確率を特徴付ける時間条件のない専用拡散モデルを提案する。 5つのゼロショット言語モデルベンチマークにおける拡散モデル間のSOTA性能を実現する。
  論文  参考訳（メタデータ） (2024-06-06T04:22:11Z)
• Rejection via Learning Density Ratios [50.91522897152437]
  拒絶による分類は、モデルを予測しないことを許容する学習パラダイムとして現れます。 そこで我々は,事前学習したモデルの性能を最大化する理想的なデータ分布を求める。 私たちのフレームワークは、クリーンでノイズの多いデータセットで実証的にテストされます。
  論文  参考訳（メタデータ） (2024-05-29T01:32:17Z)
• 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)
• Generative Diffusion From An Action Principle [0.0]
  スコアマッチングは、物理でよく用いられるようなアクション原理から導出できることを示す。 この洞察を用いて、異なる拡散モデルのクラス間の関係を実証する。
  論文  参考訳（メタデータ） (2023-10-06T18:00:00Z)
• Deconfounding Scores: Feature Representations for Causal Effect Estimation with Weak Overlap [140.98628848491146]
  推定対象の偏りを伴わずに高い重なりを生じさせる,デコンファウンディングスコアを導入する。 分離スコアは観測データで識別可能なゼロ共分散条件を満たすことを示す。 特に,この手法が標準正規化の魅力的な代替となることを示す。
  論文  参考訳（メタデータ） (2021-04-12T18:50:11Z)

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。