拡散サンプリングにおけるデータ幾何学とデノイジング成長複雑性

arXiv stat.ML ・ 2026-07-28

原題: Denoising growth complexity: Data geometry and certified schedules for diffusion sampling

AI による要約

高次元設定における拡散モデルの有効性とサンプリングアルゴリズムの理論的保証を接続する幾何学的尺度「デノイジング成長複雑性」を提案した。これにより、最適化されたステップサイズスケジュールに対するKL誤差の明確な境界を導出している。

この要約は当サイトの AI が生成したものです。正確な内容は元記事（arXiv stat.ML）をご確認ください。