CoreFlow：低ランク行列生成モデル
arXiv cs.LG / 2026/4/29
📰 ニュースIdeas & Deep AnalysisModels & Research
要点
- CoreFlowは、高次元・不完全、またはサンプル数が限られた条件下で、行列値データの分布を学習するための幾何を保つ低ランク生成モデルです。
- 本手法は、行列分布にわたって共通する行・列の部分空間を学習し、連続正規化フローを「コア」となる低次元部分だけで学習します。
- 共通の行列幾何とサンプル固有の変動を分離することで、学習効率を大幅に改善し、行列構造の保持にも寄与します。
- 不完全な学習行列には、マスク付きリーマン更新と反復的補完によって対応し、欠損エントリがあっても頑健に学習できるとしています。
- 実データと合成データのベンチマークでは、少数サンプル領域でスペクトルおよびモーメントレベルの生成品質が向上し、次元を9%まで圧縮しても、学習データの欠損が最大40%でも競争力があることが示されています。
