サンプリングへの応用を伴うアンダーダンプ拡散ブリッジ

既存の拡散モデルを生成モデルに含む前提からターゲット分布への拡散ブリッジを学ぶための一般的なフレームワークを提供しますが、ノイズが特定の次元でのみ作用する退化した拡散行列を持つアンダーダンプ版も含まれています。先行研究を拡張し、アンダーダンプの場合のスコアマッチングは、実際に尤度の下限を最大化することと等価であることを厳密に示すことができるフレームワークを提供します。アンダーダンプ確率過程の優れた収束特性および高度な数値積分手法との互換性に動機づけられ、固定ノイズ処理ではなく一般的な密度の進化を学習するアンダーダンプ拡散ブリッジを提案します。ターゲット分布からのサンプルにアクセスせずに、正規化されていない密度からサンプリングするという難しいタスクに私たちの方法を適用します。さまざまなサンプリング問題に対して、私たちのアプローチは最先端のパフォーマンスを示し、代替手法を著しく上回る一方で、はるかに少ない離散化ステップとハイパーパラメータ調整なしで実現しています。