IFH: グラフ生成モデルの柔軟な設計のための拡散フレームワーク

グラフ生成モデルは、1回でグラフを生成するワンショットモデルと、ノードとエッジを逐次追加することによってグラフを生成するシーケンシャルモデルの2つの主要なファミリーに分類されます。理想的には、これらの2つの極端なモデルの間には、さまざまなレベルの逐次性を採用するモデルの連続的な範囲があります。本論文では、逐次性の度合いを指定することをサポートするグラフ生成モデルであるInsert-Fill-Halt（IFH）を提案します。IFHは、グラフを徐々に破壊するノード除去プロセスを設計する、Denoising Diffusion Probabilistic Models（DDPM）の理論に基づいています。挿入プロセスは、指定された逐次性の程度に従ってアークとノードを挿入することによって、この除去プロセスを逆転させることを学習します。異なる逐次性の程度に応じて、質、実行時間、メモリの観点からIFHの性能を評価します。また、拡散ベースのワンショットモデルであるDiGressをIFHの生成ステップとして使用すると、モデル自体が改善され、現在の最先端技術と競争力があることも示します。