Fugu-MT 論文翻訳(概要): WAFT: Warping-Alone Field Transforms for Optical Flow

論文の概要: WAFT: Warping-Alone Field Transforms for Optical Flow

arxiv url: http://arxiv.org/abs/2506.21526v1
Date: Thu, 26 Jun 2025 17:47:59 GMT
ステータス: 翻訳完了
システム内更新日: 2025-06-27 19:53:10.23003
Title: WAFT: Warping-Alone Field Transforms for Optical Flow
Title（参考訳）: WAFT:オプティカルフローのためのウォーピング・アロン場変換
Abstract要約: 我々は,光流の簡易かつ効率的な方法であるウォーピング・アロン場変換(WAFT)を紹介する。 WAFTはRAFTと似ているが、コストを高解像度のワープに置き換え、メモリコストの低減を図っている。
参考スコア（独自算出の注目度）: 30.98695432299259
License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
Abstract: We introduce Warping-Alone Field Transforms (WAFT), a simple and effective method for optical flow. WAFT is similar to RAFT but replaces cost volume with high-resolution warping, achieving better accuracy with lower memory cost. This design challenges the conventional wisdom that constructing cost volumes is necessary for strong performance. WAFT is a simple and flexible meta-architecture with minimal inductive biases and reliance on custom designs. Compared with existing methods, WAFT ranks 1st on Spring and KITTI benchmarks, achieves the best zero-shot generalization on KITTI, while being up to 4.1x faster than methods with similar performance. Code and model weights are available at https://github.com/princeton-vl/WAFT.
Abstract（参考訳）: 我々は,光流の簡易かつ効率的な方法であるウォーピング・アロン場変換(WAFT)を紹介する。 WAFTはRAFTと似ているが、コストを高解像度のワープに置き換え、メモリコストの低減を図っている。この設計は、コストボリュームの構築が性能向上に不可欠であるという従来の知恵に挑戦する。 WAFTはシンプルで柔軟なメタアーキテクチャであり、最小限の帰納バイアスとカスタムデザインに依存している。従来の方法と比較して、WAFTはSpringとKITTIのベンチマークで1位であり、KITTIで最高のゼロショットの一般化を実現しているが、同様の性能を持つメソッドよりも4.1倍高速である。コードとモデルの重み付けはhttps://github.com/princeton-vl/WAFTで確認できる。

関連論文リスト

RubiConv -- Efficient Boundary-Respecting Convolutions [16.714478912341708]
そこで本研究では,ハードウェア効率の良い境界参照畳み込み処理を行う新しいアルゴリズムを開発した。 RubiConvは、注目と標準FFTベースのベースラインの両方において、大幅なスピードアップを実現している。
論文参考訳（メタデータ） (2026-05-08T20:17:12Z)
WAFT-Stereo: Warping-Alone Field Transforms for Stereo Matching [36.58978128337916]
WAFT-Stereoはステレオマッチングのためのワーピング方式である。 ETH3D (BP-0.5)、Middlebury (RMSE)、KITTI (すべての指標)にランクインしている。 ETH3Dではゼロショット誤差を81%削減し、競合する手法よりも1.8-6.7倍高速である。
論文参考訳（メタデータ） (2026-03-25T22:07:55Z)
CRAFT: Aligning Diffusion Models with Fine-Tuning Is Easier Than You Think [20.279525179138453]
本稿では,CRAFT(Composite Reward Assisted Fine-Tuning)を提案する。 CRAFTは軽量だが強力な微調整パラダイムであり、計算効率を維持しながら、トレーニングデータを大幅に削減する必要がある。実験の結果,100個のサンプルしか持たない CRAFT は,最近のSOTA の選好最適化手法を数千個の選好対のサンプルで容易に上回ることができることがわかった。
論文参考訳（メタデータ） (2026-03-19T14:59:46Z)
$D^3$-RSMDE: 40$\ imes$ Faster and High-Fidelity Remote Sensing Monocular Depth Estimation [72.9912717963138]
リモートセンシング画像からのリアルタイムで高忠実な単眼深度推定は、多くのアプリケーションにとって不可欠である。視覚変換器(ViT)のバックボーンを高密度な予測に使用するのは速いが、知覚品質は低いことが多い。リモートセンシング単眼深度推定のための深度詳細拡散法(D3$-RSMDE)を提案する。 D3$-RSMDEは、Learninged Perceptual Image Patch similarity (LPIPS)の知覚距離を11.85%削減する。
論文参考訳（メタデータ） (2026-03-17T10:50:36Z)
PT$^2$-LLM: Post-Training Ternarization for Large Language Models [52.4629647715623]
大きな言語モデル(LLM)は、様々なタスクにまたがる印象的な機能を示しているが、その大きなメモリと計算能力は、デプロイメントを妨げている。 PT$2$-LLMを提案する。その中核は2段精製パイプラインを備えた非対称3次量子化器である。
論文参考訳（メタデータ） (2025-09-27T03:01:48Z)
On the Generalization of SFT: A Reinforcement Learning Perspective with Reward Rectification [50.30835290642069]
LLM(Large Language Model)のためのSFT(Supervised Fine-Tuning)の改良法を提案する。標準SFT勾配は、モデルの一般化能力を著しく制限する問題のある報酬構造を暗黙的に符号化する。本稿では,このトークンの確率で目的関数を動的に再スケーリングすることにより,各トークンの勾配を安定化する動的微調整(DFT)を提案する。
論文参考訳（メタデータ） (2025-08-07T17:59:04Z)
Mining Intrinsic Rewards from LLM Hidden States for Efficient Best-of-N Sampling [34.69646110042311]
本稿では,LLM(Large Language Model)の性能向上のための,新しい軽量な技術であるSWIFTを紹介する。 SWIFTはベースラインのパラメータの0.005%未満でベースラインよりも優れており、トレーニングには少数のサンプルしか必要としない。 SWIFTの堅牢性、ロジットによるいくつかのクローズドソースモデルの適用性、従来の報酬モデルと組み合わせられる能力は、その実用的価値を裏付けるものである。
論文参考訳（メタデータ） (2025-05-18T04:00:35Z)
Refining Salience-Aware Sparse Fine-Tuning Strategies for Language Models [14.68920095399595]
SPEFT(Sparsity-based PEFT)は、モデルの重み行列にトレーニング可能なスパース適応を導入する。我々は、ゼロコストNASプロキシにインスパイアされたSPEFTのサリエンス指標を初めて体系的に評価した。我々の研究は、PEFTに複雑性が不可欠であるという考えに挑戦する。
論文参考訳（メタデータ） (2024-12-18T04:14:35Z)
Visual Fourier Prompt Tuning [63.66866445034855]
本稿では,大規模なトランスフォーマーモデルに適用するための汎用的で効果的な方法として,Visual Fourier Prompt Tuning (VFPT)法を提案する。提案手法では,高速フーリエ変換を即時埋め込みに取り入れ,空間領域情報と周波数領域情報の両方を調和的に検討する。提案手法は,2つのベンチマークにおいて,現状のベースラインよりも優れていることを示す。
論文参考訳（メタデータ） (2024-11-02T18:18:35Z)
DEFT: Efficient Fine-Tuning of Diffusion Models by Learning the Generalised $h$-transform [44.29325094229024]
DFT(Doob's h-transform Efficient FineTuning)は、非常に小さなネットワークを微調整して条件付き$h$-transformを高速に学習する条件生成手法である。画像再構成作業では, 自然画像の知覚品質と医用画像の再現性能を最良に保ちながら, 最大1.6$times$の高速化を実現している。
論文参考訳（メタデータ） (2024-06-03T20:52:34Z)
SEA-RAFT: Simple, Efficient, Accurate RAFT for Optical Flow [29.823972546363716]
よりシンプルで効率的で正確な光流用RAFTであるSEA-RAFTを紹介する。 SEA-RAFTは、3.69のエンドポイントエラー(EPE)と0.36の1ピクセルアウトレイラレート(1px)でSpringベンチマークの最先端の精度を達成する SEA-RAFTは高い効率で既存の手法よりも少なくとも2.3倍速く動作し、競争性能を維持している。
論文参考訳（メタデータ） (2024-05-23T17:04:04Z)
PYRA: Parallel Yielding Re-Activation for Training-Inference Efficient Task Adaptation [61.57833648734164]
本稿では, PYRA(Parallel Yielding Re-Activation)法を提案する。 PYRAは低圧縮率と高圧縮率の両方で競合する全ての手法より優れている。
論文参考訳（メタデータ） (2024-03-14T09:06:49Z)
From PEFT to DEFT: Parameter Efficient Finetuning for Reducing Activation Density in Transformers [52.199303258423306]
本稿では,事前学習したモデルにおいて,高い活性化空間性を促進する新しい密度損失を提案する。提案手法である textbfDEFT は,RoBERTa$_mathrmLarge$ で textbf44.94% ,Flan-T5$_mathrmXXL$ で textbf53.19% (エンコーダ密度) と textbf90.60% (デコーダ密度) で常に活性化密度を減少させることができる。
論文参考訳（メタデータ） (2024-02-02T21:25:46Z)
CrAFT: Compression-Aware Fine-Tuning for Efficient Visual Task Adaptation [3.043665249713003]
プルーニングや量子化といったポストトレーニング後の圧縮技術は、デプロイメントコストの削減に役立つ。本稿では,ネットワーク圧縮を効果的に訓練するフレームワークCrAFTを提案する。 CrAFTアプローチは、単一のGPUで数分または数時間以内に微調整を行うため、無視可能なトレーニングオーバーヘッドを追加する。
論文参考訳（メタデータ） (2023-05-08T07:51:40Z)
Sparse-IFT: Sparse Iso-FLOP Transformations for Maximizing Training Efficiency [1.292809267782105]
Sparse Iso-FLOP Transformations (Sparse-IFT) は密度モデルFLOPを維持しながら精度を向上させる。本研究は,マスクトポロジ,重み,最終性能の相関性について明らかにした。我々の知る限りでは、高密度モデルの精度を向上させるためにスパーシティの使用を実証する最初の研究である。
論文参考訳（メタデータ） (2023-03-21T01:06:37Z)
Efficient Few-Shot Object Detection via Knowledge Inheritance [62.36414544915032]
Few-shot Object Detection (FSOD) は、未確認のタスクに少ないトレーニングサンプルで適応できるジェネリック検出器を学習することを目的としている。計算量の増加を伴わない効率的なプレトレイン・トランスファー・フレームワーク(PTF)のベースラインを提案する。また,予測された新しいウェイトと事前訓練されたベースウェイトとのベクトル長の不整合を軽減するために,適応長再スケーリング(ALR)戦略を提案する。
論文参考訳（メタデータ） (2022-03-23T06:24:31Z)

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。