論文の概要: Prototype-Guided Diffusion: Visual Conditioning without External Memory

• arxiv url: http://arxiv.org/abs/2508.09922v1
• Date: Wed, 13 Aug 2025 16:18:35 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-08-14 20:42:00.958007
• Title: Prototype-Guided Diffusion: Visual Conditioning without External Memory
• Title（参考訳）: プロトタイプ誘導拡散:外部記憶のない視覚条件
• Authors: Bilal Faye, Hanane Azzag, Mustapha Lebbah,
• Abstract要約: プロトタイプ拡散モデルでは、外部メモリなしで効率的な視覚条件付けを行うために、プロトタイプ学習を直接拡散プロセスに統合する。 PDMは、計算とストレージのオーバーヘッドを低減しつつ、高速な品質を維持し、拡散モデルにおける検索ベースの条件付けに代わるスケーラブルな代替手段を提供する。
• 参考スコア（独自算出の注目度）: 0.08192907805418585
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Diffusion models have emerged as a leading framework for high-quality image generation, offering stable training and strong performance across diverse domains. However, they remain computationally intensive, particularly during the iterative denoising process. Latent-space models like Stable Diffusion alleviate some of this cost by operating in compressed representations, though at the expense of fine-grained detail. More recent approaches such as Retrieval-Augmented Diffusion Models (RDM) address efficiency by conditioning denoising on similar examples retrieved from large external memory banks. While effective, these methods introduce drawbacks: they require costly storage and retrieval infrastructure, depend on static vision-language models like CLIP for similarity, and lack adaptability during training. We propose the Prototype Diffusion Model (PDM), a method that integrates prototype learning directly into the diffusion process for efficient and adaptive visual conditioning - without external memory. Instead of retrieving reference samples, PDM constructs a dynamic set of compact visual prototypes from clean image features using contrastive learning. These prototypes guide the denoising steps by aligning noisy representations with semantically relevant visual patterns, enabling efficient generation with strong semantic grounding. Experiments show that PDM maintains high generation quality while reducing computational and storage overhead, offering a scalable alternative to retrieval-based conditioning in diffusion models.
• Abstract（参考訳）: 拡散モデルは高品質な画像生成のための主要なフレームワークとして登場し、安定したトレーニングと多様な領域にわたる強力なパフォーマンスを提供する。 しかし、これらは計算集約的であり、特に反復的妄想過程においてである。 安定拡散のような潜在空間モデルは、細かな詳細を犠牲にして圧縮表現を操作することで、このコストの一部を軽減した。 Retrieval-Augmented Diffusion Models (RDM)のような最近のアプローチでは、大きな外部メモリバンクから取得した同様の例を条件付けすることで効率を向上する。 コストのかかるストレージと検索インフラが必要であり、類似性のためにCLIPのような静的視覚言語モデルに依存し、トレーニング中に適応性が欠如している。 本稿では,プロトタイプ拡散モデル(Prototype Diffusion Model, PDM)を提案する。 参照サンプルを取得する代わりに、PDMはコントラスト学習を用いてクリーンな画像特徴からコンパクトな視覚プロトタイプを動的に構築する。 これらのプロトタイプは、ノイズ表現を意味的に関連する視覚パターンと整列させ、強力なセマンティックグラウンドで効率的な生成を可能にする。 実験によると、PDMは高速な品質を維持しつつ、計算とストレージのオーバーヘッドを低減し、拡散モデルにおける検索ベースの条件付けに代わるスケーラブルな代替手段を提供する。

関連論文リスト

• On Designing Diffusion Autoencoders for Efficient Generation and Representation Learning [14.707830064594056]
  拡散オートエンコーダ(DA)は、入力依存の潜在変数を使用して、拡散過程と共に表現をキャプチャする。 より良い生成モデリングは、別のクラスの拡散モデル -- 前方(ノイズ)プロセスを学ぶもの -- の第一の目標です。
  論文  参考訳（メタデータ） (2025-05-30T18:14:09Z)
• Variational Autoencoding Discrete Diffusion with Enhanced Dimensional Correlations Modeling [48.96034602889216]
  Variencoding Discrete Diffusion (VADD) は、潜在変数モデリングによる離散拡散を強化する新しいフレームワークである。 補助的認識モデルを導入することにより、VADDはトレーニングセット上の変分下界と償却推論を介して安定したトレーニングを可能にする。 2Dトイデータ、画素レベルの画像生成、テキスト生成に関する実証結果は、VADDがMDMベースラインを一貫して上回ることを示す。
  論文  参考訳（メタデータ） (2025-05-23T01:45:47Z)
• One-Step Diffusion Model for Image Motion-Deblurring [85.76149042561507]
  本稿では,脱臭過程を1段階に短縮する新しいフレームワークである脱臭拡散モデル(OSDD)を提案する。 拡散モデルにおける忠実度損失に対処するために,構造復元を改善する改良された変分オートエンコーダ(eVAE)を導入する。 提案手法は,実測値と非参照値の両方で高い性能を達成する。
  論文  参考訳（メタデータ） (2025-03-09T09:39:57Z)
• Hierarchical Integration Diffusion Model for Realistic Image Deblurring [71.76410266003917]
  拡散モデル (DM) は画像劣化に導入され, 有望な性能を示した。 本稿では,階層型統合拡散モデル(HI-Diff)を提案する。 人工的および実世界のぼかしデータセットの実験は、HI-Diffが最先端の手法より優れていることを示した。
  論文  参考訳（メタデータ） (2023-05-22T12:18:20Z)
• Enhanced Controllability of Diffusion Models via Feature Disentanglement and Realism-Enhanced Sampling Methods [27.014858633903867]
  拡散モデル(FDiff)の特徴分散のためのトレーニングフレームワークを提案する。 本稿では,拡散モデルの現実性を高め,制御性を高める2つのサンプリング手法を提案する。
  論文  参考訳（メタデータ） (2023-02-28T07:43:00Z)

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。