[4S2-GS-2] 機械学習：

[4S2-GS-2-02] フローマッチングにおける識別器を用いたWasserstein距離の最小化

〇三宅 大貴¹、鈴木 雅大¹、松尾 豊¹ (1. 東京大学)

キーワード：フローマッチング、拡散モデル、Wasserstein距離

深層生成モデルの学習では，モデル分布をデータ分布にどのように近づけるかが重要である．KL divergenceは最も広く使われる指標であるが，2つの分布が交点をもたない場合，勾配法による最適化が難しいという問題がある．フローマッチングは，その応用が広く研究されている深層生成モデルであり，さらに拡散モデルと同様にKL divergenceの上界を最小化していると見なすことができる．そこで，本研究では，フローマッチングの定式化においてWasserstein距離を最小化する手法を提案する．Wasserstein距離を計算するために識別器を導入し，その時間微分を0にするよう学習する．2Dのデータセットでの実験によって，提案手法が学習によってWasserstein距離を小さくすることができることを示す．提案手法の性能はフローマッチングに劣るものの，エントロピー正則化を用いて識別器の性能が与える影響について調べる．