Field Matching: an Electrostatic Paradigm to Generate and Transfer Data

要約

我々は、静電場マッチング（EFM）を提案する。これは、生成モデリングと分配伝達タスクの両方に適した新しい手法である。我々のアプローチは、電気コンデンサの物理学にヒントを得ている。コンデンサプレート上にソース分布とターゲット分布を配置し、それぞれ正と負の電荷を割り当てる。そして、ニューラルネットワーク近似を用いてコンデンサの静電場を学習する。分布を互いに対応付けるために、コンデンサーの一方のプレートから開始し、もう一方のプレートに到達するまで、学習した静電場線に沿ってサンプルを移動させる。このアプローチによって分布の移動が証明できることを理論的に正当化する。実際に、おもちゃと画像データの実験で、我々のEFMの性能を実証する。

要約(オリジナル)

We propose Electrostatic Field Matching (EFM), a novel method that is suitable for both generative modeling and distribution transfer tasks. Our approach is inspired by the physics of an electrical capacitor. We place source and target distributions on the capacitor plates and assign them positive and negative charges, respectively. We then learn the electrostatic field of the capacitor using a neural network approximator. To map the distributions to each other, we start at one plate of the capacitor and move the samples along the learned electrostatic field lines until they reach the other plate. We theoretically justify that this approach provably yields the distribution transfer. In practice, we demonstrate the performance of our EFM in toy and image data experiments.

arxiv情報

提供元, 利用サービス

arxiv.jp, DeepL