ترجمه فارسی مقاله جریان پل شرودینگر برای ترجمه داده های جفت نشده

چکیده

Mass transport problems arise in many areas of machine learning whereby one wants to compute a map transporting one distribution to another. Generative modeling techniques like Generative Adversarial Networks (GANs) and Denoising Diffusion Models (DDMs) have been successfully adapted to solve such transport problems, resulting in CycleGAN and Bridge Matching respectively. However, these methods do not approximate Optimal Transport (OT) maps, which are known to have desirable properties. Existing techniques approximating OT maps for high-dimensional data-rich problems, such as DDM-based Rectified Flow and Schrödinger Bridge procedures, require fully training a DDM-type model at each iteration, or use mini-batch techniques which can introduce significant errors. We propose a novel algorithm to compute the Schrödinger Bridge, a dynamic entropy-regularised version of OT, that eliminates the need to train multiple DDM-like models. This algorithm corresponds to a discretisation of a flow of path measures, which we call the Schrödinger Bridge Flow, whose only stationary point is the Schrödinger Bridge. We demonstrate the performance of our algorithm on a variety of unpaired data translation tasks.

چکیده به فارسی (ترجمه ماشینی)

مشکلات حمل و نقل انبوه در بسیاری از زمینه های یادگیری ماشین بوجود می آید که به موجب آن شخص می خواهد نقشه ای را که یک توزیع را به دیگری منتقل می کند محاسبه کند.تکنیک های مدل سازی تولیدی مانند شبکه های مخالف مولد (GANS) و مدل های انتشار Denoising (DDMS) با موفقیت برای حل چنین مشکلات حمل و نقل سازگار شده اند و در نتیجه به ترتیب Cyclegan و Bridge تطبیق می یابد.با این حال ، این روش ها نقشه های حمل و نقل بهینه (OT) را تقریبی نمی کنند ، که شناخته شده از خواص مطلوب هستند.تکنیک های موجود تقریب نقشه های OT برای مشکلات غنی از داده های با ابعاد بالا ، مانند جریان اصلاح شده مبتنی بر DDM و روشهای پل شرودینگر ، نیاز به آموزش کامل یک مدل از نوع DDM در هر تکرار دارند ، یا از تکنیک های مینی دسته ای استفاده می کنند که می توانند خطاهای قابل توجهی را ایجاد کنند.ما یک الگوریتم جدید برای محاسبه پل Schrödinger ، یک نسخه پویا آنتروپی تنظیم شده از OT ، پیشنهاد می کنیم که نیاز به آموزش چندین مدل DDM مانند را از بین می برد.این الگوریتم مربوط به تفسیر جریان اقدامات مسیر است ، که ما آن را جریان پل شرودینگر می نامیم ، که تنها نقطه ثابت آن پل شرودینگر است.ما عملکرد الگوریتم خود را در انواع کارهای ترجمه داده های بدون جفت نشان می دهیم.