論文の概要: ART-MPG: Autoregressive R/T Manifold Path Guiding
- arxiv url: http://arxiv.org/abs/2610.29049v1
- Date: Wed, 21 Oct 2026 01:26:56 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-10-23 00:40:06.173397
- Title: ART-MPG: Autoregressive R/T Manifold Path Guiding
- Title（参考訳）: ART-MPG:自動回帰R/Tマニフォールドパスガイド
- Abstract要約: ARTMPGは、連鎖長と自己回帰/伝達(R/T)文字列をサンプリングする、コンパクトなニューラルモデルである。
チェイン長とサンプルR/T文字列のリトライサンプリングを条件に,MPGにおける繰り返し試行を延長する。
固定された提案とターゲットチェーンに対して、これは期待される再試行数を減らしながら、理想的な期待を保存する。
- 参考スコア（独自算出の注目度）: 0.5249805590164902
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Specular chains concentrate important transport in small regions of path space and the structure depends on chain topology. We introduce ART-MPG, a compact neural model that samples chain length, an autoregressive reflection/transmission (R/T) string, and a direction from a topology-conditioned four-component von Mises-Fisher (vMF) mixture. We extend the repeated trial weighting in Manifold Path Guiding (MPG) by conditioning retry sampling on both chain length and the sampled R/T string, accounting for its known mass outside the stochastic re-hit trials. For a fixed proposal and target chain, this preserves the ideal expectation while reducing the expected retry count and reciprocal-estimator variance compared with retries conditioned on chain length alone. We distinguish the formal unbiasedness result from the capped and clamped renderer used in experiments. We evaluate fourteen scenes across a range of samples per pixel (SPP) against existing online and offline rendering algorithms. Our method consistently produces lower mean squared error at equal SPP than the online and offline baselines, with lower standard deviation across runs.
- Abstract（参考訳）: 特異鎖は経路空間の小さな領域において重要な輸送を集中し、構造は鎖位相に依存する。
本稿では,チェーン長,自己回帰反射/伝達(R/T)文字列,位相条件付き4成分von Mises-Fisher(vMF)混合物からの方向を同定するコンパクトニューラルネットワークART-MPGを紹介する。
本研究は, 連鎖長およびR/T弦のリトライサンプリングを条件に, 確率的再ヒット試験以外の既知質量を考慮し, マニフォールドパスガイド法(MPG)の繰り返し試験重み付けを延長する。
固定された提案とターゲットチェーンは、チェーン長のみに条件付きリトライと比較して、期待される再試行数と相互推定値のばらつきを低減しつつ、理想的な期待を保っている。
実験で用いたキャップドレンダラーとクランプドレンダラーとを区別する。
我々は、既存のオンラインおよびオフラインレンダリングアルゴリズムに対して、1ピクセル当たりのサンプル(SPP)の範囲で14のシーンを評価した。
提案手法は,オンラインベースラインとオフラインベースラインと同等のSPPで平均2乗誤差を連続的に生成し,ラン間の標準偏差を低くする。
関連論文リスト
- Interacting particle guidance for sampling reward-tilted generative priors [15.077556801319693]
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。
論文 参考訳（メタデータ） (2026-09-29T10:40:37Z) - SNaP: One-Step Posterior Sampling for Noisy Inverse Problems [8.966524060251965]
SNaPはガウス雑音を伴う線形逆問題に対する1ステップのMeanFlow後方サンプリング器である。
多様な高品質なサンプルを生成し、1ドローあたり1つのネットワーク評価を行い、反復的なサンプルよりも30～2250ドル速くなる。
論文 参考訳（メタデータ） (2026-09-28T01:02:55Z) - Causal Discovery in Equal Variance Linear Gaussian DAGs via SURE-Tuned Ridge Regression [18.884190660925444]
SURE-Ridge は等分散線型ガウス SEM に対する非定性閉形式推定器である。
これは、小サンプル状態における最小構造ハミング距離と、テストされた全てのサンプルサイズで最低実行時間を達成する。
論文 参考訳（メタデータ） (2026-08-17T21:07:06Z) - 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) - Simple Approximation and Derivative Free Inference-Time Scaling for Diffusion Models via Sequential Monte Carlo on Path Measures [13.41132148962756]
textttURGEはデリバティブフリーな推論時間スケーリングアルゴリズムで、測定値の変更によって経路的に重要な再重み付けを行う。
我々はパスワイドSMCとパーティクルワイドSMCの等価性を確立する。
論文 参考訳（メタデータ） (2026-05-18T04:45:33Z) - Structure-Informed Estimation for Pilot-Limited MIMO Channels via Tensor Decomposition [51.56484100374058]
本稿では、スパース観測から低ランクテンソル完備化としてパイロットリミテッドチャネル推定を定式化する。
合成チャネル実験による最小二乗平均二乗誤差(NMSE)の最小二乗平均誤差(LS)に対する改善
DeepMIMO線トレーシングチャネルの評価では、純粋なテンソル法よりも24-44%NMSEが減少している。
論文 参考訳（メタデータ） (2026-02-03T23:38:05Z) - Contrastive CFG: Improving CFG in Diffusion Models by Contrasting Positive and Negative Concepts [55.298031232672734]
As-Free Guidance (CFG) は条件拡散モデルサンプリングに有効であることが証明された。
対照的な損失を用いた負のCFG誘導を強化する新しい手法を提案する。
論文 参考訳（メタデータ） (2024-11-26T03:29:27Z) - 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) - Unscented Autoencoder [3.0108936184913295]
変分オートエンコーダ(VAE)は、潜伏変数を用いた深部生成モデリングにおける基礎的なアプローチである。
フィルタの分野からUnscented Kalman Filter (UKF) によく知られた分布近似である Unscented Transform (UT) を適用する。
我々は,VAE(Unscented Autoencoder, UAE)の新規な決定論的サンプリングフレーバーを,サンプル毎の後部における正規化のような用語で純粋に訓練した。
論文 参考訳（メタデータ） (2023-06-08T14:53:02Z) - CARMS: Categorical-Antithetic-REINFORCE Multi-Sample Gradient Estimator [60.799183326613395]
本稿では, 相互に負に相関した複数のサンプルに基づく分類的確率変数の非バイアス推定器を提案する。
CARMSは、ReINFORCEとコプラベースのサンプリングを組み合わせることで、重複サンプルを回避し、その分散を低減し、重要サンプリングを使用して推定器を偏りなく維持する。
我々は、生成的モデリングタスクと構造化された出力予測タスクに基づいて、いくつかのベンチマークデータセット上でCARMSを評価し、強力な自己制御ベースラインを含む競合する手法より優れていることを示す。
論文 参考訳（メタデータ） (2021-10-26T20:14:30Z) - Unrolling Particles: Unsupervised Learning of Sampling Distributions [102.72972137287728]
粒子フィルタリングは複素系の優れた非線形推定を計算するために用いられる。
粒子フィルタは様々なシナリオにおいて良好な推定値が得られることを示す。
論文 参考訳（メタデータ） (2021-10-06T16:58:34Z)
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。