LLM推論初出 8/25 02:54
均一およびリマスク離散拡散モデルにおける証明可能な適応的サンプリング
Provably adaptive sampling with uniform and remasking discrete diffusion models
https://export.arxiv.org/api/query2026/8/25
AI要約
離散拡散モデルにおけるサンプリング効率の課題に対し、統一的なフォワードプロセスと再マスキングを組み合わせることで、次元に依存しない(ほぼ一定の)サンプリング効率を理論的に証明しています。
AI要点
- 離散拡散モデルにおけるサンプリング効率の向上を目指し、証明可能な適応的サンプリング手法を提案する。
- 従来の線形次元依存性の問題を解決するため、協調更新が可能なファーストオーダーサンプラーを開発した。
- 提案手法は、サンプリングプロセス中にデノイジングの誤りを訂正する能力を持つ。
- サンプリング複雑性は、周囲の次元ではなく、ターゲット分布の双対全相関(DTC)によって決定される。
- 合成データセットを用いた実験で、提案手法の次元適応的な振る舞いが示された。
なぜ重要か
この研究は、拡散モデルのサンプリング効率を次元数に依存しない形で大幅に改善する可能性を示し、より高速で高品質な画像生成モデルの開発に繋がる。