要約
本論文では、標準的な流れの損失を最小にするベクトル場の厳密な公式を示す。この式は、与えられた分布(˶_0˶)と未知の分布(˶_1˶)に解析的に依存する。提示された式に基づき、条件付きフローマッチング(Conditional Flow Matching)のスタイルでベクトル場モデルを訓練するための新しい損失とアルゴリズムが提供される。我々の損失は、標準的な条件付きフローマッチング手法と比較して、モンテカルロサンプリング法を用いて評価した場合に、より小さな分散を示す。合成モデルや、次元の大きな表データに対するモデルを用いた数値実験により、本アルゴリズムを用いることで、より良い学習結果が得られることを示す。
要約(オリジナル)
The paper presents the exact formula for the vector field that minimizes the loss for the standard flow. This formula depends analytically on a given distribution \rho_0 and an unknown one \rho_1. Based on the presented formula, a new loss and algorithm for training a vector field model in the style of Conditional Flow Matching are provided. Our loss, in comparison to the standard Conditional Flow Matching approach, exhibits smaller variance when evaluated through Monte Carlo sampling methods. Numerical experiments on synthetic models and models on tabular data of large dimensions demonstrate better learning results with the use of the presented algorithm.
arxiv情報
| 著者 | Gleb Ryzhakov,Svetlana Pavlova,Egor Sevriugov,Ivan Oseledets |
| 発行日 | 2024-02-05 17:45:12+00:00 |
| arxivサイト | arxiv_id(pdf) |