論文の概要: One-Step Generative Surrogate Models via Block-Triangular Joint Drifting

• arxiv url: http://arxiv.org/abs/2609.26435v1
• Date: Tue, 22 Sep 2026 14:00:01 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-09-24 01:05:39.679914
• Title: One-Step Generative Surrogate Models via Block-Triangular Joint Drifting
• Title（参考訳）: ブロック-三角形関節ドリフトによる一段階生成サロゲートモデル
• Abstract要約: 連続状態の実験的にアクセス可能な関節分布に投影されたドリフト場を適用したブロック三角形の関節ドリフトを導入する。 得られたサロゲートは、時間ステップ間の補助的な生成ステップなしで、時間ステップ毎に1つのモデル評価で軌道を生成する。
• 参考スコア（独自算出の注目度）: 8.743009563811135
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Drifting provides a direct route to one-step generative models, but applying it directly to stochastic transition modeling requires multiple samples of the next state conditioned on the same current state. Standard trajectory data, however, typically provide only one realized next state for each observed current state and therefore do not provide an empirical approximation of the corresponding conditional distribution over possible next states. We introduce block-triangular joint drifting, which instead applies a projected drift field to the empirically accessible joint distribution of consecutive states. Importantly, the block-triangular architecture preserves the current-state marginal while making its second component a direct sampler of the conditional distribution of possible next states. The resulting surrogate generates stochastic trajectories with one model evaluation per time step, without auxiliary generative steps between time steps. Numerical experiments demonstrate accurate marginal and trajectory-dependent statistics and favorable accuracy-cost tradeoffs compared with deterministic, diffusion-, flow-, and distillation-based generative surrogate models.
• Abstract（参考訳）: ドリフトは1段階生成モデルへの直接的な経路を提供するが、確率遷移モデルに直接適用するには、同じ状態に条件付けられた次の状態の複数のサンプルが必要である。 しかし、標準軌道データは通常、観測された各状態に対して1つの次の状態しか提供せず、従って、可能な次の状態に対する対応する条件分布の実証的な近似を提供しない。 本稿では,連続状態の実験的に到達可能な関節分布に投影されたドリフト場を適用するブロック三角形の関節ドリフトについて紹介する。 重要なことに、ブロック三角形のアーキテクチャは、現在の状態境界を保ち、第2のコンポーネントは、可能な次の状態の条件分布を直接サンプリングする。 得られたサロゲートは、時間ステップ間の補助的な生成ステップなしで、時間ステップ毎に1つのモデル評価を伴う確率軌道を生成する。 数値実験により, 決定論的, 拡散的, 流動的, 蒸留に基づく生成代理モデルと比較し, 精度, トラジェクトリ依存統計量, 精度, コストのトレードオフが示された。

関連論文リスト

• AnyFlow: Any-Step Video Diffusion Model with On-Policy Flow Map Distillation [70.80207977907908]
  フローマップをベースとした,最初のノンステップビデオ拡散蒸留フレームワークであるAnyFlowを紹介した。 我々は、AnyFlowがいくつかの段階において、パフォーマンスの一致を達成するか、一貫性ベースの結果を上回ることを示す。
  論文  参考訳（メタデータ） (2026-05-13T16:06:34Z)
• FlowS: One-Step Motion Prediction via Local Transport Conditioning [3.883772843505009]
  ローカルトランスポートコンディショニングは、安全クリティカルな自律性のために一段階の生成動作予測を実践する。 FlowSは75のアンサンブルを持つ最先端のSoft mAP (0.4804)とmAP (0.4703)を単一ステップ推論で調整する。
  論文  参考訳（メタデータ） (2026-04-28T19:06:06Z)
• Joint Distillation for Fast Likelihood Evaluation and Sampling in Flow-based Models [100.28111930893188]
  今日の最高の生成モデルの中には、単一の可能性を計算するために、数百から数千の神経機能評価を必要とするものもあります。 本研究では, 高速流動継手蒸留法 (F2D2) を提案し, サンプリングに必要なNFEの数を2桁に減らした。 F2D2はモジュール構造であり、既存のフローベースの数ステップサンプリングモデルと互換性がある。
  論文  参考訳（メタデータ） (2025-12-02T10:48:20Z)
• Effective Test-Time Scaling of Discrete Diffusion through Iterative Refinement [51.54933696252104]
  離散拡散に適した新しいテスト時間スケーリング手法であるイテレーティブ・リワードガイドリファインメント(IterRef)を導入する。 我々は、このプロセスをMultiple-Try Metropolisフレームワークで形式化し、報酬整合分布への収束を証明した。 IterRefは計算予算の低さで大幅に上昇し、最先端のベースラインをはるかに超えている。
  論文  参考訳（メタデータ） (2025-11-04T02:33:23Z)
• Score Distillation of Flow Matching Models [67.86066177182046]
  我々は、Score Identity Distillation (SiD) を事前訓練されたテキスト対画像フローマッチングモデルに拡張する。 SiDは、データフリーとデータアシストの両方の設定で、これらのモデルですぐに使える。 これは、スコア蒸留がテキストと画像のフローマッチングモデルに広く適用されるという最初の体系的な証拠を提供する。
  論文  参考訳（メタデータ） (2025-09-29T17:45:48Z)
• Minimum-Excess-Work Guidance [17.15668604906196]
  本稿では,事前学習した確率フロー生成モデルを導くための正規化フレームワークを提案する。 本手法は,科学応用に共通するスパースデータ体制における効率的なガイダンスを可能にする。 粗粒タンパク質モデルにおけるフレームワークの汎用性を実証する。
  論文  参考訳（メタデータ） (2025-05-19T17:19:43Z)
• Flow map matching with stochastic interpolants: A mathematical framework for consistency models [15.520853806024943]
  フローマップマッチングは、基礎となる生成モデルの2時間フローマップを学ぶための原則化されたフレームワークである。 FMMは,高速サンプリングのための既存手法の幅広いクラスを統一し,拡張することを示す。
  論文  参考訳（メタデータ） (2024-06-11T17:41:26Z)
• Dynamical Wasserstein Barycenters for Time-series Modeling [16.212262513825717]
  ほとんどの先行研究は、純粋な離散状態間の即時遷移を前提としている。 本稿では,時間とともにシステム状態を推定するWasserstein Barycentric (DWB)モデルを提案する。 いくつかの人的活動データセットの実験により、提案したDWBモデルが純粋状態の生成過程を正確に学習できることが示されている。
  論文  参考訳（メタデータ） (2021-10-13T14:20:06Z)
• Comparing Probability Distributions with Conditional Transport [63.11403041984197]
  新しい発散として条件輸送(CT)を提案し、償却されたCT(ACT)コストと近似します。 ACTは条件付き輸送計画の計算を補正し、計算が容易な非バイアスのサンプル勾配を持つ。 さまざまなベンチマークデータセットのジェネレーティブモデリングでは、既存のジェネレーティブ敵対ネットワークのデフォルトの統計距離をACTに置き換えることで、一貫してパフォーマンスを向上させることが示されています。
  論文  参考訳（メタデータ） (2020-12-28T05:14:22Z)
• 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。

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。