Score-based Generative Modeling Through Backward Stochastic Differential Equations: Inversion and Generation

要約

タイトル：Score-based Generative Modeling Through Backward Stochastic Differential Equations: Inversion and Generation
要約：
– BSDE（Backward stochastic differential equation）を使用した拡散モデルは、機械学習における確率微分方程式（SDE）の応用を拡張した新しいアプローチを提供する。
– 従来のSDEベースの拡散モデルとは異なり、既存のスコア関数を適応することで、目標の末尾分布に到達するために必要な初期条件を決定できる。
– リプシッツネットワークを用いたスコアマッチングの利点と、拡散反転、条件付き拡散、不確実性定量化などのさまざまな領域での潜在的な応用について、モデルの理論的保証を示す。
– 私たちの仕事は、スコアベースの生成学習の分野への貢献を表し、現実の問題を解決するための有望な方向性を提供する。

要約(オリジナル)

The proposed BSDE-based diffusion model represents a novel approach to diffusion modeling, which extends the application of stochastic differential equations (SDEs) in machine learning. Unlike traditional SDE-based diffusion models, our model can determine the initial conditions necessary to reach a desired terminal distribution by adapting an existing score function. We demonstrate the theoretical guarantees of the model, the benefits of using Lipschitz networks for score matching, and its potential applications in various areas such as diffusion inversion, conditional diffusion, and uncertainty quantification. Our work represents a contribution to the field of score-based generative learning and offers a promising direction for solving real-world problems.

arxiv情報

提供元, 利用サービス

arxiv.jp, OpenAI