Fugu-MT 論文翻訳(概要): OOD Generalization as a Bifurcation Problem

論文の概要: OOD Generalization as a Bifurcation Problem

arxiv url: http://arxiv.org/abs/2609.33562v1
Date: Sun, 27 Sep 2026 13:36:15 GMT
ステータス: 翻訳完了
システム内更新日: 2026-10-05 15:43:55.983617
Title: OOD Generalization as a Bifurcation Problem
Title（参考訳）: 分岐問題としてのOOD一般化
Abstract要約: 構成結合は一様過程ではなく,高度に局所化された相転移であることを示す。我々は,このクリティカルウィンドウに厳密なマルチパススコアを制限したハイブリッドサンプリング戦略である外科的ガイダンスを提案する。 OOD2桁のMNISTテストベッドでは,術中組成の忠実度を推論コストのごく一部で達成する。
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: Systematic out-of-distribution (OOD) generation remains a critical bottleneck for continuous-time generative models. While standard joint classifier-free guidance (CFG) routinely fails to synthesize unobserved concept combinations, exact decomposed scoring generalizes robustly at the cost of severe computational overhead. In this work, we reveal that compositional binding is not a uniform process but a highly localized phase transition. We identify the semantic bifurcation window - the precise temporal interval where joint and decomposed vector fields meaningfully diverge. Exploiting this dynamic, we propose surgical guidance, a hybrid sampling strategy that restricts exact multi-pass scoring strictly to this critical window. On an OOD bi-digit MNIST testbed, surgical guidance achieves state-of-the-art compositional fidelity at a fraction of the inference cost, yielding a +5.3% absolute improvement in pairwise accuracy over the joint baseline by intervening during just the first 15% of the diffusion trajectory. Furthermore, our empirical analysis uncovers a fundamental topological divide: diffusion models (SDEs) force conceptual resolution immediately at peak noise, whereas Conditional Flow Matching (ODEs) delays structural binding until intermediate features emerge, establishing a new temporal framework for accelerating large-scale generative decoding.
Abstract（参考訳）: 系統的アウト・オブ・ディストリビューション(OOD)生成は、連続時間生成モデルにとって重要なボトルネックである。標準の関節分類器フリーガイダンス(CFG)は、観測されていない概念の組み合わせを定期的に合成できないが、正確な分解されたスコアリングは、計算オーバーヘッドの重大さを犠牲にして、頑健に一般化される。本研究では,合成結合は一様過程ではなく,高度に局所化された相転移であることを示す。意味分岐ウィンドウ - 結合と分解されたベクトル場が有意に分岐する正確な時間間隔 - を同定する。本研究は, 正確なマルチパススコアリングを厳格に制限するハイブリッドサンプリング戦略である手術指導を提案する。 OODの2桁のMNISTテストベッドで、外科的ガイダンスは、推測コストのごく一部で最先端の合成忠実度を達成し、拡散軌道の最初の15%で介入することにより、関節ベースラインの対角精度を5.3%向上させる。拡散モデル(SDE)はピークノイズの直前に概念的分解を強制するのに対し、条件付きフローマッチング(ODE)は中間的な特徴が現れるまで構造的結合を遅らせ、大規模生成復号を高速化する新しい時間的枠組みを確立する。

関連論文リスト

From Concentration to Differentiation and Back: Routing Effective Rank in MoE Reasoning Cohorts [61.695980784491475]
テストタイムスケーリングは、推論ロールアウトのコホートを生成するが、推論が展開するにつれて内部計算がどのように再編成されるかについて、標準的なラベルのない説明はない。本稿では,MoEの専門家による類似性から構築したクロスロールアウトグラフのエントロピー有効次元性であるルーティング有効ランクデフを導入する。
論文参考訳（メタデータ） (2026-09-06T05:43:22Z)
Large-Small Model Collaboration for Zero-Shot Surgical Phase Recognition [45.191945465591374]
外科的位相認識のためのタスク固有の軽量モデルは、時間的ダイナミクスを捉えるのに優れているが、ドメインシフト下での一般化は不十分である。 textbfLarge-textbfSmall textbfTemporal adaptation (textbfLaST)を提案する。
論文参考訳（メタデータ） (2026-08-24T07:06:52Z)
AnchorMoE: Interpretable Time Series Classification via Anchor-Routed MoE [51.994752158953084]
AnchorMoEは、解釈可能な構成別分類フレームワークである。ローカルパッチのマルチビュー表現をエンコードし、専門の専門家にルーティングする。実世界のベンチマークと合成ベンチマークの実験は、AnchorMoEが非常に競争力のある分類性能を達成することを示した。
論文参考訳（メタデータ） (2026-06-02T13:30:54Z)
Probability-Conserving Flow Guidance [49.03107678763765]
Adaptive Manifold Guidance (AdaMaG)はリアリズムを改善し、幻覚を減らし、高誘導下での劣化を制御する。画像生成ベンチマーク全体で、AdaMaGはリアリズムを改善し、幻覚を減らし、高誘導下での劣化を制御する。
論文参考訳（メタデータ） (2026-05-19T16:34:01Z)
Dual-Gated Epistemic Time-Dilation: Autonomous Compute Modulation in Asynchronous MARL [0.0]
MARL(Multi-Agent Reinforcement Learning)アルゴリズムは、複雑な連続したドメインをまたいだ前例のない成功を達成する。標準のデプロイメントは、同期運用パラダイムに厳密に準拠する。この高密度スループットは、熱的および代謝的予算が極めて制約されたエッジデバイス上での物理的展開の基本的な障壁として機能する。本稿では, 心電図を用いた心電図を用いた心電図(ETD-MAPPO)を提案する。
論文参考訳（メタデータ） (2026-03-24T21:19:06Z)
Generalization and Memorization in Rectified Flow [2.230929655489877]
フローマッチングの目的に基づく生成モデル、特にRectified Flowは、効率的で高忠実な画像合成のための支配的なパラダイムとして登場してきた。メンバーシップ推論攻撃(MIA)のテスト統計を用いたRFの記憶挙動について検討する。均一な時間ステップサンプリングをSymmetric Exponential(U字型)分布に置き換えることで、脆弱な中間時間ステップへの露出を効果的に最小化できることを示す。
論文参考訳（メタデータ） (2026-03-12T21:10:39Z)
Plug-and-Play Diffusion Meets ADMM: Dual-Variable Coupling for Robust Medical Image Reconstruction [45.25461515976432]
画像再構成のための強力なパラダイムとして,DP(Plug-and-Play diffusion prior)フレームワークが登場した。本稿では, バイアス・ハロシン化トレードオフを解消し, 収束を著しく加速した最先端の勾配を実現するための新しい手法を提案する。
論文参考訳（メタデータ） (2026-02-26T16:58:43Z)
A Generalized Adaptive Joint Learning Framework for High-Dimensional Time-Varying Models [0.8594140167290097]
本稿では,機能的変数選択と構造的変化点検出を同時に行うための正規化フレームワークであるAdaptive Joint Learning (AJL)を紹介する。この分析は、疾患進行の同期相転移を明らかにし、時間変化の予測マーカーの相同的なセットを同定する。
論文参考訳（メタデータ） (2026-01-08T02:07:49Z)
The Procrustean Bed of Time Series: The Optimization Bias of Point-wise Loss [53.542743390809356]
本稿では,最適化バイアス(EOB)の期待に関する第一原理解析を提案する。時間列が決定論的で構造化されるほど、ポイントワイドの損失関数によるバイアスがより厳しくなる。本稿では,DFTとDWTの両原理を同時に実現する具体的ソリューションを提案する。
論文参考訳（メタデータ） (2025-12-21T06:08:22Z)
Morphing Through Time: Diffusion-Based Bridging of Temporal Gaps for Robust Alignment in Change Detection [51.56484100374058]
既存の変更検出ネットワークを変更することなく空間的・時間的ロバスト性を改善するモジュールパイプラインを導入する。拡散モジュールは、大きな外観ギャップをブリッジする中間変形フレームを合成し、RoMaは段階的に対応を推定できる。 LEVIR-CD、WHU-CD、DSIFN-CDの実験は、登録精度と下流変化検出の両方において一貫した利得を示した。
論文参考訳（メタデータ） (2025-11-11T08:40:28Z)

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。