AI用語集
人工知能の完全辞典
スコアベースモデル
確率密度の対数の勾配を学習し、逆拡散プロセスをガイドする生成的アプローチ。これらのモデルは密度モデリング問題をスコア回帰問題に変換する。
確率微分方程式 (SDEs)
データにノイズを段階的に追加するフォワード拡散プロセスの時間的進化を記述する確率微分方程式。逆SDEの解法により、ノイズから新しいサンプルを生成できる。
ノイズ条件付きスコアネットワーク (NCSN)
スコア推定を現在のノイズレベルで条件付けし、異なる摂動スケールでの効率的なモデリングを可能にするニューラルネットワークアーキテクチャ。このアプローチは拡散プロセス全体で安定したスコアの学習を容易にする。
アニーリング・ランジュバン・ダイナミクス
ノイズレベルを減少させるシーケンスを使用してサンプリングを安定化させる、ランジュバン・ダイナミクスの改良版。この手法により、データ空間のより効率的な探索が可能になり、局所的最小値を回避できる。
フォワードプロセス
データを標準正規分布に徐々に変換するために、ガウスノイズを反復的に追加する拡散プロセス。このプロセスは完全に決定論的で、スコア学習の基礎となる。
リバースプロセス
学習したスコアを使用して拡散を逆転させ、ノイズからデータを再構成する生成プロセス。この確率的プロセスは、推定された密度勾配によってガイドされ、現実的なサンプルを生成する。
対数密度勾配
スコアベースモデルにおける基本的な数学量で、確率密度の対数の偏微分を表す。この勾配は生成をガイドするためにニューラルネットワークによって直接学習される。
摂動カーネル
フォワード拡散プロセス中にデータにノイズを追加する方法を定義する関数。通常、時間に依存する分散を持つガウスカーネル。カーネルの選択は学習の安定性と効率に直接影響する。
Tweedieの公式
ガウス性ノイズ除去モデルにおいて対数密度の勾配と元の信号を結びつける基礎的な数学的関係式。この公式は、デコンボリューションと生成のためのスコアの使用を理論的に正当化する。
確率フローODE
確率的SDEプロセスと同じ周辺分布を共有する決定論的な常微分方程式。このODEは、生成品質を維持しながら、より高速かつ決定論的なサンプリングを可能にする。
DDPM（ノイズ除去拡散確率モデル）
前方および逆方向の遷移に対する解析的パラメータを持つ変分的確率プロセスとして拡散を定式化する生成モデルのクラス。これらのモデルはスコアベースのアプローチと確率的拡散モデルを統一する。
連続正規化フロー
常微分方程式を使用して分布を変換する正規化フローの連続領域への拡張。スコアベースモデルと理論的に接続されたこのアプローチは、生成プロセスの幾何学的解釈を提供する。