Apr, 2024

子里曼布里奇抽样的评分匹配

PDF
TL;DR在本研究中，我们处理了模拟潜在困难条件下的扩散过程，并构建了一种在子黎曼流形上进行桥梁模拟的方法，通过展示如何将机器学习的最新进展改进为在子黎曼流形上训练评分近似器。我们使用随机泰勒扩展将通常的去噪损失概念推广为与非完全陈闭性框架一起工作，并通过在海森伯格群上和使用适应坐标的一般方式演示了所得到的方案。我们进行了数值实验，演示了来自海森伯格群桥梁过程的样本以及对于短时间的该过程的集中度。
conditioned diffusion processessimulationsub-riemannian manifoldsscore approximatorsheisenberg group
发现论文，激发创造
  • 黎曼扩散薛定谔桥

    本文提出了一种名为 “Riemannian Diffusion Schrödinger Bridge” 的方法，用于加速采样和插值非欧几里得数据，通过推广扩展 Riemannian score-based 模型达到这个目的，并在合成数据和真实的地球和气候数据中进行了验证。

    Jul, 2022

  • 扩展黎曼扩散模型

    基于黎曼流模型，通过改进近似方法和利用对称空间，我们能够在高维度上学习分布并得到明显改进，包括模拟非平凡流形上的 QCD 密度并对高维超球上的学习嵌入进行对比实验。

    Oct, 2023

  • 使用得分匹配模拟扩散跃点

    本文提出了一种基于反向时间表示的扩散桥模拟方法，通过变分公式学习时空逆转实现扩散桥的模拟，并通过评分匹配方法克服其不可计算性，提出了一种近似 Doob's h - 变换法的方法，实验结果表明了此方法的有效性。

    Nov, 2021

  • 模拟无限维非线性扩散桥

    通过将得分匹配技术与运算学习相结合，我们提出了解决无限维桥问题的方案，使得无限维桥的得分匹配可以以直接的方式进行。我们的方法在一系列实验中展现了高效性，尤其因其能够适应任何分辨率而无需额外的训练。

    May, 2024

  • 黎曼扩散模型

    本文介绍了一种新的图像生成和似然估计方法 —— 扩展连续时间扩散模型到任意黎曼流形，提出了一种似然估计变分框架，并在黎曼流形上证明其等价性，证明了这种新方法在各个评测标准上得到了新的最先进的表现。

    Aug, 2022

  • 通过 Riemannian 扩散过程的混合在流形上进行生成建模

    基于 Riemann 流形的扩散混合模型，通过以端点条件的扩散过程的混合来构建一种流形上的生成过程，取代以往扩散模型的去噪方法，更好地在高维度上表现，并在各种流形上优于现有的生成模型。

    Oct, 2023

  • 基于 Metropolis 抽样的约束扩散模型

    本文介绍了一种基于 Metropolis 抽样算法的简单去噪方案，证明了该新方法对应于反射布朗运动的有效离散化方法，并在包括地理空间建模、机器人技术和蛋白质设计在内的一系列问题设置上展示了我们方法的可扩展性和灵活性。

    Jul, 2023

  • 应用于基于得分的生成建模的扩散薛定谔桥

    通过将高斯噪声逐渐应用于复杂的数据分布，构建了一个确定性的生成模型，对应于具有时间不均匀漂移的倒退随机微分方程，用基于分数匹配的方法估计漂移。本文提出了 Diffusion SB 方法来处理 Schrödinger Bridge 问题，近似了迭代比例拟合过程，DSB 具有广泛的适用性，是流形上 Sinkhorn 算法的连续状态空间概率化推广。

    Jun, 2021

  • 操作员提示的分数匹配用于马尔可夫扩散模型

    利用马尔科夫扩散模型的优势，我们提出了 Riemannian 扩散核平滑和运算器信息得分匹配的技术，改善了扩散模型的训练过程。

    Jun, 2024

  • 基于扩散生成模型与评分匹配的变分视角

    本文通过导出一个变分框架来推导连续时间生成扩散理论，并表明该理论中最小化匹配得分损失等价于最大化该理论内所提出的可逆 SDE 插件的似然度的下限。

    Jun, 2021