Constrained Generative Modeling with Manually Bridged Diffusion Models

要約

このホワイトペーパーでは、制約されたスペース上の拡散ベースの生成モデリングのための新しいフレームワークについて説明します。
特に、いわゆる拡散橋を形成するために実際に使用できる制約の種類を拡張するフレームワークであるマニュアルブリッジを紹介します。
結果として得られる増加モデルがすべての制約を尊重する手動ブリッジのままであるように、複数のそのような制約を組み合わせるメカニズムを開発します。
また、このような複数の制約を尊重しながら、データ分布に合わせて適応する拡散モデルをトレーニングするメカニズムを開発します。
メカニズムの数学的妥当性を示す理論を開発および拡張します。
さらに、制約された生成モデリングタスクにおけるメカニズムを実証し、自律車両のパス計画と制御のための軌跡の初期化のモデリングにおける特定の高価値アプリケーションを強調します。

要約(オリジナル)

In this paper we describe a novel framework for diffusion-based generative modeling on constrained spaces. In particular, we introduce manual bridges, a framework that expands the kinds of constraints that can be practically used to form so-called diffusion bridges. We develop a mechanism for combining multiple such constraints so that the resulting multiply-constrained model remains a manual bridge that respects all constraints. We also develop a mechanism for training a diffusion model that respects such multiple constraints while also adapting it to match a data distribution. We develop and extend theory demonstrating the mathematical validity of our mechanisms. Additionally, we demonstrate our mechanism in constrained generative modeling tasks, highlighting a particular high-value application in modeling trajectory initializations for path planning and control in autonomous vehicles.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google