Buchumschlag

Sampling from multi-modal distributions on Riemannian manifolds with training-free stochastic interpolants

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Durmus, Alain, Noble, Maxence, Pellerin, Thibaut
Format:	Preprint
Veröffentlicht:	2026
Schlagworte:	Machine Learning Computation
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

Learned Reference-based Diffusion Sampling for multi-modal distributions
von: Noble, Maxence, et al.
Veröffentlicht: (2024)

Stochastic Localization via Iterative Posterior Sampling
von: Grenioux, Louis, et al.
Veröffentlicht: (2024)

Improving the evaluation of samplers on multi-modal targets
von: Grenioux, Louis, et al.
Veröffentlicht: (2025)

Non-asymptotic convergence bounds for Sinkhorn iterates and their gradients: a coupling approach
von: Greco, Giacomo, et al.
Veröffentlicht: (2023)

Diffusion-based Annealed Boltzmann Generators : benefits, pitfalls and hopes
von: Grenioux, Louis, et al.
Veröffentlicht: (2026)

Sampling from multi-modal distributions with polynomial query complexity in fixed dimension via reverse diffusion
von: Vacher, Adrien, et al.
Veröffentlicht: (2024)

Analysis of kinetic Langevin Monte Carlo under the stochastic exponential Euler discretization from underdamped all the way to overdamped
von: Kim, Kyurae, et al.
Veröffentlicht: (2025)

VITS : Variational Inference Thompson Sampling for contextual bandits
von: Clavier, Pierre, et al.
Veröffentlicht: (2023)

On Sampling with Approximate Transport Maps
von: Grenioux, Louis, et al.
Veröffentlicht: (2023)

Differential privacy guarantees of Markov chain Monte Carlo algorithms
von: Bertazzi, Andrea, et al.
Veröffentlicht: (2025)

Geodesic slice sampling on Riemannian manifolds
von: Durmus, Alain, et al.
Veröffentlicht: (2023)

Briding Diffusion Posterior Sampling and Monte Carlo methods: a survey
von: Janati, Yazid, et al.
Veröffentlicht: (2025)

Fast Riemannian-manifold Hamiltonian Monte Carlo for hierarchical Gaussian-process models
von: Hayakawa, Takashi, et al.
Veröffentlicht: (2025)

Fast, faithful and photorealistic diffusion-based image super-resolution with enhanced Flow Map models
von: Noble, Maxence, et al.
Veröffentlicht: (2026)

Towards training digitally-tied analog blocks via hybrid gradient computation
von: Nest, Timothy, et al.
Veröffentlicht: (2024)

Divide-and-Conquer Posterior Sampling for Denoising Diffusion Priors
von: Janati, Yazid, et al.
Veröffentlicht: (2024)

Stochastic Approximation with Biased MCMC for Expectation Maximization
von: Gruffaz, Samuel, et al.
Veröffentlicht: (2024)

Efficient Sampling on Riemannian Manifolds via Langevin MCMC
von: Cheng, Xiang, et al.
Veröffentlicht: (2024)

Heavy-Tailed Diffusion with Denoising Lévy Probabilistic Models
von: Shariatian, Dario, et al.
Veröffentlicht: (2024)

Implicit Bias in Noisy-SGD: With Applications to Differentially Private Training
von: Sander, Tom, et al.
Veröffentlicht: (2024)

Variational Diffusion Posterior Sampling with Midpoint Guidance
von: Moufad, Badr, et al.
Veröffentlicht: (2024)

Ensemble manifold based regularized multi-modal graph convolutional network for cognitive ability prediction
von: Qu, Gang, et al.
Veröffentlicht: (2021)

On the convergence of dynamic implementations of Hamiltonian Monte Carlo and No U-Turn Samplers
von: Durmus, Alain, et al.
Veröffentlicht: (2023)

A training regime to learn unified representations from complementary breast imaging modalities
von: Sharma, Umang, et al.
Veröffentlicht: (2024)

Automated Journalistic Questions: A New Method for Extracting 5W1H in French
von: Verhaverbeke, Maxence, et al.
Veröffentlicht: (2025)

Emergent Riemannian geometry over learning discrete computations on continuous manifolds
von: Brandon, Julian, et al.
Veröffentlicht: (2025)

Riemannian Projection-free Online Learning
von: Hu, Zihao, et al.
Veröffentlicht: (2023)

Characterizing the Generalization Error of Random Feature Regression with Arbitrary Data-Augmentation
von: Morisset, Lucas, et al.
Veröffentlicht: (2026)

Watermarking Makes Language Models Radioactive
von: Sander, Tom, et al.
Veröffentlicht: (2024)

Sample-efficient neural likelihood-free Bayesian inference of implicit HMMs
von: Ghosh, Sanmitra, et al.
Veröffentlicht: (2024)

Constant Metric Scaling in Riemannian Computation
von: You, Kisung
Veröffentlicht: (2026)

Exponential Convergence Guarantees for Iterative Markovian Fitting
von: Silveri, Marta Gentiloni, et al.
Veröffentlicht: (2025)

Theoretical guarantees in KL for Diffusion Flow Matching
von: Silveri, Marta Gentiloni, et al.
Veröffentlicht: (2024)

Learning to Mitigate Externalities: the Coase Theorem with Hindsight Rationality
von: Scheid, Antoine, et al.
Veröffentlicht: (2024)

Riemannian coordinate descent algorithms on matrix manifolds
von: Han, Andi, et al.
Veröffentlicht: (2024)

Iterative Tilting for Diffusion Fine-Tuning
von: Pachebat, Jean, et al.
Veröffentlicht: (2025)

Theoretical Guarantees for Variational Inference with Fixed-Variance Mixture of Gaussians
von: Huix, Tom, et al.
Veröffentlicht: (2024)

Multi-modal Vision Pre-training for Medical Image Analysis
von: Rui, Shaohao, et al.
Veröffentlicht: (2024)

Discovering Quality-Diversity Algorithms via Meta-Black-Box Optimization
von: Faldor, Maxence, et al.
Veröffentlicht: (2025)

Non-Asymptotic Analysis of Data Augmentation for Precision Matrix Estimation
von: Morisset, Lucas, et al.
Veröffentlicht: (2025)