論文の概要: Limits of Confidence in Diffusion

• arxiv url: http://arxiv.org/abs/2609.20581v2
• Date: Fri, 18 Sep 2026 18:08:12 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-09-22 20:29:00.139694
• Title: Limits of Confidence in Diffusion
• Title（参考訳）: 拡散における信頼の限界
• Abstract要約: ステップがトレーニング分布と一致しているのは,書き込みする位置が条件的に独立している場合に限られる。 ScanAndAddでは、共同分布がクローズドな形で利用可能である合成タスクにおいて、2つ以上の未決定位置のどのグループも信頼ランキングの書き込みに依存していることを検証する。
• 参考スコア（独自算出の注目度）: 5.518381502896957
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Discrete diffusion, including remasking and uniform-state samplers, generate a sequence by writing multiple token positions per step, drawing each from a per-position distribution and choosing which positions to write from those same distributions. For domains of general interest (pixels, phonemes, or words) there are inherent dependencies between tokens. We show that a step matches the training distribution only when the positions it writes are conditionally independent given the tokens already fixed, that no product of per-position distributions can match a dependent group, and that per-position distributions do not determine whether a group is dependent: two joint distributions can have identical per-position marginals while differing in which combinations of values occur. On ScanAndAdd, a synthetic task whose joint distribution is available in closed form, we verify that every group of two or more undetermined positions a confidence ranking writes is dependent, and measure the generated distribution to be $29\times$ the sampling-noise floor total variation while per-sample metrics are $1.0$.
• Abstract（参考訳）: リマキングや均一状態サンプリング器を含む離散拡散は、ステップ毎に複数のトークン位置を書き込み、各配置分布からそれぞれを描画し、同じ分布からどの位置を書けばよいかを選択することでシーケンスを生成する。 一般的な関心領域(ピクセル、音素、単語)については、トークンの間に固有の依存関係がある。 ステップがトレーニング分布と一致するのは、既に固定されたトークンの位置が条件独立である場合のみであり、位置ごとの分布の積が依存する群と一致しておらず、位置ごとの分布が依存する群を決定できないことを示します。 ScanAndAddでは、2つ以上の不確定な位置のすべてのグループが信頼度ランキングの書き込みに依存していることを検証し、生成した分布をサンプリングノイズフロアの総変動に対して29\times$で測定し、サンプル単位のメトリクスは1.0ドルである。

関連論文リスト

• Predicting integers from continuous parameters [0.08594140167290099]
  本稿では、整数や整数のサブレンジに制約された数値ラベルの予測問題について検討する。 例えば、ソーシャルメディア投稿のアップボイト数や、公共のレンタルステーションで利用できる自転車の数などです。 これらを連続的な値としてモデル化し、従来の回帰を適用することは可能だが、このアプローチはラベルの根底にある分布を離散的から連続的へと変化させる。
  論文  参考訳（メタデータ） (2026-02-11T11:30:48Z)
• 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)
• Learning Counterfactual Distributions via Kernel Nearest Neighbors [10.50857530573065]
  カーネルをベースとした近傍の分布一般化を導入し,その基礎となる分布を推定する。 2つ以上の測定値にアクセスできれば, 近接するアプローチがヘテロセシダスティックノイズに対して堅牢であることを示す。
  論文  参考訳（メタデータ） (2024-10-17T09:36:01Z)
• Proxy Methods for Domain Adaptation [78.03254010884783]
  プロキシ変数は、遅延変数を明示的にリカバリしたりモデル化したりすることなく、分散シフトへの適応を可能にする。 両設定の複雑な分散シフトに適応する2段階のカーネル推定手法を開発した。
  論文  参考訳（メタデータ） (2024-03-12T09:32:41Z)
• Adaptive Annealed Importance Sampling with Constant Rate Progress [68.8204255655161]
  Annealed Importance Smpling (AIS)は、抽出可能な分布から重み付けされたサンプルを合成する。 本稿では,alpha$-divergencesに対する定数レートAISアルゴリズムとその効率的な実装を提案する。
  論文  参考訳（メタデータ） (2023-06-27T08:15:28Z)
• Differentially-Private Bayes Consistency [70.92545332158217]
  差分プライバシー(DP)を満たすベイズ一貫した学習ルールを構築する。 ほぼ最適なサンプル複雑性を持つ半教師付き環境で,任意のVCクラスをプライベートに学習できることを実証する。
  論文  参考訳（メタデータ） (2022-12-08T11:57:30Z)
• Out-of-distribution Detection by Cross-class Vicinity Distribution of In-distribution Data [36.66825830101456]
  画像分類のためのディープニューラルネットワークは、トレーニングにおいて、インディストリビューション入力を対応する基底真理ラベルにマップすることしか学ばない。 これは、全てのサンプルが独立であり、同一に分散しているという仮定から生じる。 textitCross-class Vicinity Distributionは、複数のin-distributionサンプルを混合したアウト・オブ・ディストリビューションサンプルが、その構成成分の同じクラスを共有していないことを仮定して導入される。
  論文  参考訳（メタデータ） (2022-06-19T12:03:33Z)
• Consensus-Guided Correspondence Denoising [67.35345850146393]
  本稿では,地域間コンセンサス学習フレームワークと対応関係を異色化し,対応関係をロバストに識別する。 ローカル地域からグローバル地域への動的グラフから推定されるコンセンサススコアに基づいて,信頼度の高い候補を初期マッチングから蒸留する新しい「プルーニング」ブロックを導入した。 本手法は、堅牢なラインフィッティング、ワイドベースライン画像マッチング、画像ローカリゼーションベンチマークを顕著なマージンで上回る。
  論文  参考訳（メタデータ） (2021-01-03T09:10:00Z)

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。