論文の概要: SSDD: Single-Step Diffusion Decoder for Efficient Image Tokenization

• arxiv url: http://arxiv.org/abs/2510.04961v1
• Date: Mon, 06 Oct 2025 15:57:31 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-10-07 16:52:59.966674
• Title: SSDD: Single-Step Diffusion Decoder for Efficient Image Tokenization
• Title（参考訳）: SSDD:効率的な画像トークン化のための単一ステップ拡散デコーダ
• Authors: Théophane Vallaeys, Jakob Verbeek, Matthieu Cord,
• Abstract要約: スケーリングとトレーニングの安定性を向上させるために,新しい画素拡散デコーダアーキテクチャを導入する。 蒸留を用いて, 拡散復号器の性能を効率よく再現する。 これによりSSDDは、敵の損失なしに訓練された単一ステップ再構成に最適化された最初の拡散デコーダとなる。
• 参考スコア（独自算出の注目度）: 56.12853087022071
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Tokenizers are a key component of state-of-the-art generative image models, extracting the most important features from the signal while reducing data dimension and redundancy. Most current tokenizers are based on KL-regularized variational autoencoders (KL-VAE), trained with reconstruction, perceptual and adversarial losses. Diffusion decoders have been proposed as a more principled alternative to model the distribution over images conditioned on the latent. However, matching the performance of KL-VAE still requires adversarial losses, as well as a higher decoding time due to iterative sampling. To address these limitations, we introduce a new pixel diffusion decoder architecture for improved scaling and training stability, benefiting from transformer components and GAN-free training. We use distillation to replicate the performance of the diffusion decoder in an efficient single-step decoder. This makes SSDD the first diffusion decoder optimized for single-step reconstruction trained without adversarial losses, reaching higher reconstruction quality and faster sampling than KL-VAE. In particular, SSDD improves reconstruction FID from $0.87$ to $0.50$ with $1.4\times$ higher throughput and preserve generation quality of DiTs with $3.8\times$ faster sampling. As such, SSDD can be used as a drop-in replacement for KL-VAE, and for building higher-quality and faster generative models.
• Abstract（参考訳）: トケナイザーは最先端の生成画像モデルの主要なコンポーネントであり、信号から最も重要な特徴を抽出し、データ次元と冗長性を低減している。 KL-VAE(KL-regularized variational autoencoders)に基づいており、再建、知覚的、対向的な損失を訓練している。 拡散デコーダは、潜時条件付き画像上の分布をモデル化するためのより原理的な代替として提案されている。 しかし、KL-VAEの性能の一致には相反する損失が必要であり、反復サンプリングによる復号時間も高い。 これらの制約に対処するため、スケーリングとトレーニングの安定性を改善し、トランスフォーマーコンポーネントとGANフリートレーニングの恩恵を受けるために、新しいピクセル拡散デコーダアーキテクチャを導入する。 蒸留を用いて, 拡散復号器の性能を効率よく再現する。 これにより、SSDDは対向的な損失を伴わずに訓練された単一ステップ再構成に最適化された最初の拡散復号器となり、KL-VAEよりも高い再構成品質と高速サンプリングを実現した。 特にSSDDはリコンストラクションFIDを0.87ドルから0.50ドルに改善し、1.4\times$高いスループットと3.8\times$速いサンプリングでDiTの生成品質を維持する。 そのため、SSDDはKL-VAEのドロップイン代替として使用でき、高品質で高速な生成モデルの構築にも利用できる。

関連論文リスト

• Fine-structure Preserved Real-world Image Super-resolution via Transfer VAE Training [14.058527210122831]
  我々は、事前訓練されたUNetに適応しつつ、8$times$ダウンサンプルのVAEを4$times$1に転送するためのTransfer VAE Training(TVT)戦略を提案する。 TVT戦略は、新しいエンコーダとデコーダのペアを元のVAEラテント空間と整合させ、画像の細部を拡大する。
  論文  参考訳（メタデータ） (2025-07-27T14:11:29Z)
• DDT: Decoupled Diffusion Transformer [51.84206763079382]
  拡散変換器はノイズの多い入力を符号化し、意味成分を抽出し、同じモジュールで高い周波数をデコードする。 textbfcolorddtDecoupled textbfcolorddtTransformer(textbfcolorddtDDT) textbfcolorddtTransformer(textbfcolorddtDDT) textbfcolorddtTransformer(textbfcolorddtDDT)
  論文  参考訳（メタデータ） (2025-04-08T07:17:45Z)
• Rethinking Video Tokenization: A Conditioned Diffusion-based Approach [58.164354605550194]
  新しいトークン化ツールであるDiffusion Conditioned-based Gene Tokenizerは、GANベースのデコーダを条件付き拡散モデルで置き換える。 再建に基本的MSE拡散損失とKL項,LPIPSを併用した訓練を行った。 CDTのスケールダウン版(3$times inference speedup)でさえ、トップベースラインと互換性がある。
  論文  参考訳（メタデータ） (2025-03-05T17:59:19Z)
• Adversarial Diffusion Compression for Real-World Image Super-Resolution [16.496532580598007]
  現実世界の超解像は、劣化した低分解能入力から高分解能画像を再構成することを目的としている。 OSEDiffやS3Diffのような一段階拡散ネットワークはこの問題を緩和するが、それでも高い計算コストがかかる。 本稿では,一段階拡散ネットワークOSEDiffを流線形拡散GANモデルに蒸留することにより,新しいリアルISR法AdcSRを提案する。
  論文  参考訳（メタデータ） (2024-11-20T15:13:36Z)
• Epsilon-VAE: Denoising as Visual Decoding [61.29255979767292]
  復号化は1段階の再構成から反復的改良へと移行する。 具体的には、デコーダを拡散処理に置き換え、ノイズを反復的に改善して元の画像を復元する。 拡散による反復的再構成により, 自己エンコーダであるEpsilon-VAEは高い再構成品質を実現する。
  論文  参考訳（メタデータ） (2024-10-05T08:27:53Z)

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。