Diffusion-Augmented Neural Processes

要約

ここ数年、ニューラル プロセスは、データが不足し、予測の不確実性の推定が不可欠な医療や気候科学など、多くの応用分野で有用なモデリング ツールとなっています。
ただし、この分野の現在の最先端技術 (AR CNP、Bruinsma et al.、2023) には、その広範な展開を妨げるいくつかの問題があります。
この研究は、NP に対する代替の拡散ベースのアプローチを提案しています。これは、ノイズが含まれたデータセットの条件付けを通じて、これらの制限の多くに対処しながら、SOTA のパフォーマンスも超えています。

要約(オリジナル)

Over the last few years, Neural Processes have become a useful modelling tool in many application areas, such as healthcare and climate sciences, in which data are scarce and prediction uncertainty estimates are indispensable. However, the current state of the art in the field (AR CNPs; Bruinsma et al., 2023) presents a few issues that prevent its widespread deployment. This work proposes an alternative, diffusion-based approach to NPs which, through conditioning on noised datasets, addresses many of these limitations, whilst also exceeding SOTA performance.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google