Harpoon: Conditional Tabular Diffusionのための汎用的マンニフォールドガイド

arXiv:2602.07875v1 発表タイプ：新しい 要旨：制約条件下で表計算データを生成することは、生成過程を精密に制御する必要があるアプリケーションにとって不可欠です。既存の方法は、訓練時の戦略に依存しており、推論時に未知の制約に対して汎用化されず、表計算補填以外の制約条件下のタスクに対処することが困難です。マンニフォールド理論は生成を原理的にガイドする方法を提供しますが、現在の形式は特定の推論時目的に束縛されており、連続領域にのみ制限されています。我々は表計算データにマンニフォールド理論を拡張し、多様な推論時目的を処理する範囲を拡大しました。この基盤の上に、ハープーン（Harpoon）という表計算拡散方法を導入し、制約のないサンプルをマンニフォールド幾何学の沿いにガイドして、推論時に多様な表計算条件を満足させます。我々はハープーンの強い性能を実証的に検証し、制約条件下のタスクである補填と不等式制約の強制などを行うと共に、異なるデータセットにおいて多様なデータセットに対して、データに対するマンニフォールド認識型ガイドの実用的メリットを示しました。コード URL: https://github.com/adis98/Harpoon

arXiv:2602.07875v1 Announce Type: new Abstract: Generating tabular data under conditions is critical to applications requiring precise control over the generative process. Existing methods rely on training-time strategies that do not generalise to unseen constraints during inference, and struggle to handle conditional tasks beyond tabular imputation. While manifold theory offers a principled way to guide generation, current formulations are tied to specific inference-time objectives and are limited to continuous domains. We extend manifold theory to tabular data and expand its scope to handle diverse inference-time objectives. On this foundation, we introduce HARPOON, a tabular diffusion method that guides unconstrained samples along the manifold geometry to satisfy diverse tabular conditions at inference. We validate our theoretical contributions empirically on tasks such as imputation and enforcing inequality constraints, demonstrating HARPOON'S strong performance across diverse datasets and the practical benefits of manifold-aware guidance for tabular data. Code URL: https://github.com/adis98/Harpoon