AIが解く世界の難問 · 計算機科学の理論 · arXiv · 2026-10-22
強い確率的フローマップの訓練改善
原題: Improved Training of Strong Stochastic Flow Maps
確率的微分方程式の少ステップサンプリングを目指す確率的フローマップの訓練は、ブラウン経路が無限次元かつ至る所微分不可能なため、決定論的フローマップの性能を支える微分ベースの損失が使えないことが主な障害だった。本研究はブラウン経路を高次の局所情報を持つ基底で表現し、経路の完全な表現を使うよう強制する目的関数で訓練するという設計原則を示し、シフト付きルジャンドル多項式展開とWong-Zakai流の目的関数により微分ベースの損失を可能にした。さらに大規模な事前学習済みフローモデルを強い確率的フローマップへ微調整する手法を提案し、ImageNetで4 NFEにおいてSSFM比でおよそ3倍のFD-DINOv2改善を達成した。