개발도구 연구
Renormalization Group Flow Matching for Scalable Local Generative Modeling
ARarXiv
생성 모델이 가진 전역적 구조 포착과 계산 효율성의 근본적인 상충 관계를 해결하는 새로운 프레임워크를 제시했다.
세 줄 요약
- RGFM은 정확한 RG 흐름을 확률 경로로 사용하여 데이터를 장파장부터 단파장까지 점진적으로 생성하며, 패치 크기 $O(\ln L)$와 시스템 부피에 거의 선형적인 계산 비용으로 로컬 생성을 가능하게 한다.
- RGFM은 수치적으로 로컬 수용장 너머의 장거리 상관관계를 재현하며, FFHQ 이미지에서 64x64 및 256x256 크기에서 기존 방식보다 더 일관되고 높은 품질의 샘플을 얻는다.
- RGFM 확률 흐름은 RG 파수 스케일 $\Lambda$, 시스템 크기 $L$, 오차 허용치 $\varepsilon$에 대해 특정 공간 범위의 국소 속도장으로 근사할 수 있다.
생성 모델이 가진 전역적 구조 포착과 계산 효율성의 근본적인 상충 관계를 해결하는 새로운 프레임워크를 제시했다.