論文の概要: Interacting particle guidance for sampling reward-tilted generative priors

• arxiv url: http://arxiv.org/abs/2609.37227v1
• Date: Tue, 29 Sep 2026 10:40:37 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-09-30 21:28:47.42636
• Title: Interacting particle guidance for sampling reward-tilted generative priors
• Title（参考訳）: 報酬型生成前駆体採取のための相互作用粒子誘導法
• Abstract要約: インタイムステアリングは、事前訓練された拡散とフローベースのモデルを新しいタスクに適応させる。 誘導に基づく手法は偏りのあるサンプルを生成する近似に依存する。 本稿では, 再重み付けを輸送に置き換えるインタラクション粒子誘導(IPG)を提案する。
• 参考スコア（独自算出の注目度）: 15.077556801319693
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Inference-time steering adapts pretrained diffusion and flow-based models to new tasks, e.g., to generate samples from a conditional distribution or samples with desired properties, without retraining. This can be formalized as sampling from a reward-tilted generative prior. As exact sampling from this distribution is intractable, guidance-based methods rely on approximations producing biased samples, and sequential Monte Carlo (SMC) methods correct for this bias using importance weights. However, while exact in the large particle limit, SMC suffers from weight degeneracy and particle collapse in practice. We propose interacting particle guidance (IPG), which replaces reweighting with transport. The particles interact through an additional drift, derived from the Feynman--Kac PDE to cancel the reweighting term, and remain unweighted. Choosing the drift in a reproducing kernel Hilbert space yields a closed-form solution that is cheap to compute, with negligible overhead compared to SMC. We demonstrate the method on Gaussian mixtures with known posteriors, and on high-dimensional image inpainting and protein structure inference tasks.
• Abstract（参考訳）: 推論時ステアリングは、事前訓練された拡散とフローベースのモデルを新しいタスクに適用し、例えば、条件分布や望ましい特性を持つサンプルからサンプルを生成する。 これは、報酬型生成前の標本として定式化することができる。 この分布からの正確なサンプリングは難易度が高いため、ガイダンスに基づく手法は偏りのあるサンプルを生成する近似に頼り、シーケンシャルなモンテカルロ法(SMC)は重みによる偏りを補正する。 しかし、大きな粒子の限界は正確には言えないが、SMCは実際には重量縮退と粒子崩壊に悩まされている。 本稿では, 再重み付けを輸送に置き換えるインタラクション粒子誘導(IPG)を提案する。 粒子は、Feynman-Kac PDEに由来する追加のドリフトを介して相互作用し、再重み付け項をキャンセルし、未重みを保っている。 再生核ヒルベルト空間におけるドリフトの選択は、SMCと比較して無視できるオーバーヘッドで計算し易い閉形式解が得られる。 本研究では,ガウス混合体と既知の後縁体,高次元画像塗布およびタンパク質構造推定タスクについて述べる。

関連論文リスト

• Non-Asymptotic Error Bounds for SMC with Biased Proposals: Application to Conditional Diffusion Sampling [3.8781702441729227]
  本稿では,Sequential Monte Carloサンプルに対する非漸近誤差解析法を提案する。 総誤差をカーネルバイアスに分解し、理想遷移核を近似的に置き換える効果と有限粒子モンテカルロ誤差を測定する。
  論文  参考訳（メタデータ） (2026-07-06T08:10:13Z)
• Training-Free Generative Sampling via Moment-Matched Score Smoothing [0.6015898117103069]
  拡散モデルは、摂動対象分布のスコアに沿ってデノイングすることでサンプルを生成する。 最近の研究は、スコアマッチングが暗黙的に経験的なスコアを滑らかにすることを示唆している。 モーメントマッチングされたスコアスムーズなランゲヴィンダイナミクスを提案する。
  論文  参考訳（メタデータ） (2026-05-14T02:20:36Z)
• Tempered Guided Diffusion [1.7778609937758325]
  拡散前の条件付きトレーニング不要な条件付きサンプリングのためのシーケンシャルなモンテカルロフレームワークを提案する。 TGDは、ノイズ拡散状態のみを補助変数として、クリーン信号上の誘電後部分布を標的とする。 高価な復元作業のために、TGDは初期の粒子探査を継続するが、サンプリングを通して1つの高軌道の軌道の一部にプルーネを配置する。
  論文  参考訳（メタデータ） (2026-05-05T13:00:15Z)
• Bouncy particle sampler with infinite exchanging parallel tempering [0.0]
  後方分布を近似するために,変分ベイズ推定法やサンプリング法を用いる。 均一な線形運動と反射を組み合わせてサンプリングを行うバウンシー粒子サンプリング器 (BPS) が提案されている。 シミュレーションを行い,マルチモーダル分布の有効性を実証した。
  論文  参考訳（メタデータ） (2025-09-02T06:37:57Z)
• Progressive Inference-Time Annealing of Diffusion Models for Sampling from Boltzmann Densities [93.13866975467549]
  拡散に基づくサンプル学習のために, PITA(Progressive Inference-Time Annealing)を提案する。 PITAはボルツマン分布のアナーリングと拡散平滑化という2つの相補的手法を組み合わせたものである。 N-体粒子系、アラニンジペプチド、トリペプチドの平衡サンプリングを可能にする。
  論文  参考訳（メタデータ） (2025-06-19T17:14:22Z)
• Feynman-Kac Correctors in Diffusion: Annealing, Guidance, and Product of Experts [64.34482582690927]
  事前学習したスコアベースモデルから得られた熱処理, 幾何平均, 製品分布の配列から, 効率的かつ原理的に抽出する方法を提供する。 本稿では,サンプリング品質を向上させるために,推論時間スケーリングを利用する逐次モンテカルロ(SMC)再サンプリングアルゴリズムを提案する。
  論文  参考訳（メタデータ） (2025-03-04T17:46:51Z)
• 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)
• Sampling with Mollified Interaction Energy Descent [57.00583139477843]
  モーフィファイド相互作用エネルギー降下(MIED)と呼ばれる新しい最適化に基づくサンプリング手法を提案する。 MIEDは、モル化相互作用エネルギー(MIE)と呼ばれる確率測度に関する新しいクラスのエネルギーを最小化する 我々は,制約のないサンプリング問題に対して,我々のアルゴリズムがSVGDのような既存の粒子ベースアルゴリズムと同等に動作することを示す。
  論文  参考訳（メタデータ） (2022-10-24T16:54:18Z)
• De-randomizing MCMC dynamics with the diffusion Stein operator [21.815713258703575]
  近似ベイズ推定は、難解な対象分布の記述子を推定する。 MCMC動力学として知られる拡散型全試料に対して,非ランダム化されたカーネル型粒子サンプリング器を提案する。
  論文  参考訳（メタデータ） (2021-10-07T19:59:46Z)

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。