論文の概要: Beyond Blur: A Fluid Perspective on Generative Diffusion Models

• arxiv url: http://arxiv.org/abs/2506.16827v1
• Date: Fri, 20 Jun 2025 08:31:30 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-06-23 19:00:05.387105
• Title: Beyond Blur: A Fluid Perspective on Generative Diffusion Models
• Title（参考訳）: Beyond Blur: 生成拡散モデルに関する流体的視点
• Authors: Grzegorz Gruszczynski, Michal Jan Wlodarczyk, Jakub J Meixner, Przemyslaw Musialski,
• Abstract要約: 本稿では, 対流拡散過程に基づく生成画像合成のための新しいPDE駆動の汚職過程を提案する。 この研究は、流体力学、次元のないPDE理論、深層生成モデリングを橋渡しし、物理的に情報を得た画像の破損過程について新たな視点を提供する。
• 参考スコア（独自算出の注目度）: 1.7624347338410744
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: We propose a novel PDE-driven corruption process for generative image synthesis based on advection-diffusion processes which generalizes existing PDE-based approaches. Our forward pass formulates image corruption via a physically motivated PDE that couples directional advection with isotropic diffusion and Gaussian noise, controlled by dimensionless numbers (Peclet, Fourier). We implement this PDE numerically through a GPU-accelerated custom Lattice Boltzmann solver for fast evaluation. To induce realistic turbulence, we generate stochastic velocity fields that introduce coherent motion and capture multi-scale mixing. In the generative process, a neural network learns to reverse the advection-diffusion operator thus constituting a novel generative model. We discuss how previous methods emerge as specific cases of our operator, demonstrating that our framework generalizes prior PDE-based corruption techniques. We illustrate how advection improves the diversity and quality of the generated images while keeping the overall color palette unaffected. This work bridges fluid dynamics, dimensionless PDE theory, and deep generative modeling, offering a fresh perspective on physically informed image corruption processes for diffusion-based synthesis.
• Abstract（参考訳）: 本稿では,既存のPDEに基づく手法を一般化した対流拡散法に基づく生成画像合成のための新しいPDE駆動の汚職過程を提案する。 我々のフォワードパスは、方向の対流と等方拡散とガウスノイズを非次元数で制御するPDE(Peclet, Fourier)を用いて画像劣化を定式化する。 我々はこのPDEをGPUアクセラレーションされたカスタムLattice Boltzmannソルバを用いて数値的に実装し、高速な評価を行う。 現実的な乱流を誘発するために,コヒーレントな動きを導入し,マルチスケールの混合を捉える確率的速度場を生成する。 生成過程において、ニューラルネットワークは、新しい生成モデルを構成するように、対流拡散演算子を逆転させることを学習する。 我々は,従来の手法が演算子の特定の場合としてどのように現れるのかを議論し,従来のPDEに基づく汚職手法を一般化することを示す。 本稿では,全カラーパレットの影響を受けずに,画像の多様性と品質の向上を図示する。 この研究は、流体力学、非次元PDE理論、深部生成モデリングを橋渡しし、拡散に基づく合成のための物理的に情報を得た画像破壊プロセスについて、新たな視点を提供する。

関連論文リスト

• VideoPDE: Unified Generative PDE Solving via Video Inpainting Diffusion Models [8.189440319895823]
  本稿では,ビデオ・インペインティング拡散変換器モデルを用いて偏微分方程式(PDE)を解くための統一的な枠組みを提案する。 本研究では,細粒度,高忠実度インペイント,コンディショニングのための画素空間ビデオ拡散モデルを提案する。 提案手法は,多種多様なPDEと問題設定にまたがる高精度で汎用的なソリューションを提供し,最先端のベースラインよりも優れた性能を実現している。
  論文  参考訳（メタデータ） (2025-06-16T17:58:00Z)
• Physics-Informed Distillation of Diffusion Models for PDE-Constrained Generation [19.734778762515468]
  拡散モデルは、物理系のモデリング、特に偏微分方程式(PDE)によって支配されるものにおいて、注目を集めている。 本稿では, PDE 制約を直接拡散過程に注入するのではなく, ポストホック蒸留段階において適用する, 単純かつ効果的なポストホック蒸留法を提案する。
  論文  参考訳（メタデータ） (2025-05-28T14:17:58Z)
• An Ordinary Differential Equation Sampler with Stochastic Start for Diffusion Bridge Models [13.00429687431982]
  拡散ブリッジモデルは、純粋なガウスノイズではなく、劣化した画像から生成過程を初期化する。 既存の拡散ブリッジモデルは、しばしば微分方程式のサンプリングに頼り、推論速度が遅くなる。 拡散ブリッジモデルの開始点を有する高次ODEサンプリング器を提案する。 本手法は, 既訓練拡散ブリッジモデルと完全に互換性があり, 追加の訓練は不要である。
  論文  参考訳（メタデータ） (2024-12-28T03:32:26Z)
• AdjointDEIS: Efficient Gradients for Diffusion Models [2.0795007613453445]
  拡散SDEに対する連続随伴方程式は、実際には単純なODEに単純化されていることを示す。 また, 顔形態形成問題の形で, 対向攻撃による誘導生成に対するAdjointDEISの有効性を実証した。
  論文  参考訳（メタデータ） (2024-05-23T19:51:33Z)
• Distilling Diffusion Models into Conditional GANs [90.76040478677609]
  複雑な多段階拡散モデルを1段階条件付きGAN学生モデルに蒸留する。 E-LatentLPIPSは,拡散モデルの潜在空間で直接動作する知覚的損失である。 我々は, 最先端の1ステップ拡散蒸留モデルよりも優れた1ステップ発生器を実証した。
  論文  参考訳（メタデータ） (2024-05-09T17:59:40Z)
• Simultaneous Image-to-Zero and Zero-to-Noise: Diffusion Models with Analytical Image Attenuation [53.04220377034574]
  高品質(未条件)な画像生成のための前方拡散プロセスに解析的画像減衰プロセスを導入することを提案する。 本手法は,フォワード画像からノイズへのマッピングを,テクスチメジからゼロへのマッピングとテクスティケロ・ツー・ノイズマッピングの同時マッピングとして表現する。 我々は,CIFAR-10やCelebA-HQ-256などの無条件画像生成や,超解像,サリエンシ検出,エッジ検出,画像インペインティングなどの画像条件下での下流処理について実験を行った。
  論文  参考訳（メタデータ） (2023-06-23T18:08:00Z)
• A Variational Perspective on Solving Inverse Problems with Diffusion Models [101.831766524264]
  逆タスクは、データ上の後続分布を推測するものとして定式化することができる。 しかし、拡散過程の非線形的かつ反復的な性質が後部を引き付けるため、拡散モデルではこれは困難である。 そこで我々は,真の後続分布を近似する設計手法を提案する。
  論文  参考訳（メタデータ） (2023-05-07T23:00:47Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。