論文の概要: ReflexFlow: Rethinking Learning Objective for Exposure Bias Alleviation in Flow Matching

• arxiv url: http://arxiv.org/abs/2512.04904v1
• Date: Thu, 04 Dec 2025 15:34:44 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-12-05 21:11:46.245256
• Title: ReflexFlow: Rethinking Learning Objective for Exposure Bias Alleviation in Flow Matching
• Title（参考訳）: ReflexFlow: フローマッチングにおける露光バイアス緩和のための学習目的の再考
• Authors: Guanbo Huang, Jingjia Mao, Fanding Huang, Fengkai Liu, Xiangyang Luo, Yaoyuan Liang, Jiasheng Lu, Xiaoe Wang, Pei Liu, Ruiliu Fu, Shao-Lun Huang,
• Abstract要約: フローマッチング法は、トレーニングと推論の相違により、まだ露出バイアスに悩まされている。 本研究では、露光バイアスを動的に補正するフローマッチング学習目的の単純かつ効果的な反射性改善であるReflexFlowを提案する。
• 参考スコア（独自算出の注目度）: 25.0619407896951
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Despite tremendous recent progress, Flow Matching methods still suffer from exposure bias due to discrepancies in training and inference. This paper investigates the root causes of exposure bias in Flow Matching, including: (1) the model lacks generalization to biased inputs during training, and (2) insufficient low-frequency content captured during early denoising, leading to accumulated bias. Based on these insights, we propose ReflexFlow, a simple and effective reflexive refinement of the Flow Matching learning objective that dynamically corrects exposure bias. ReflexFlow consists of two components: (1) Anti-Drift Rectification (ADR), which reflexively adjusts prediction targets for biased inputs utilizing a redesigned loss under training-time scheduled sampling; and (2) Frequency Compensation (FC), which reflects on missing low-frequency components and compensates them by reweighting the loss using exposure bias. ReflexFlow is model-agnostic, compatible with all Flow Matching frameworks, and improves generation quality across datasets. Experiments on CIFAR-10, CelebA-64, and ImageNet-256 show that ReflexFlow outperforms prior approaches in mitigating exposure bias, achieving a 35.65% reduction in FID on CelebA-64.
• Abstract（参考訳）: 非常に最近の進歩にもかかわらず、フローマッチング手法はトレーニングと推論の相違による露出バイアスに悩まされている。 本稿では,フローマッチングにおける露出バイアスの根本原因について検討し,(1)トレーニング中のバイアス入力への一般化が欠如していること,(2)早期認知時に捕捉した低周波コンテンツが不十分であること,そして蓄積バイアスをもたらすこと等について考察する。 これらの知見に基づいて,露出バイアスを動的に補正するフローマッチング学習目的の単純かつ効果的な反射性改善であるReflexFlowを提案する。 ReflexFlowは,(1)訓練時スケジュールサンプリングにおける再設計された損失を利用したバイアス入力の予測目標を反射的に調整するアンチドリフト整流(ADR),(2)低周波成分の欠如を反映した周波数補償(FC)の2成分からなる。 ReflexFlowはモデルに依存しないため、すべてのFlow Matchingフレームワークと互換性がある。 CIFAR-10、CelebA-64、ImageNet-256の実験では、ReflexFlowは露光バイアスを緩和する以前のアプローチよりも優れており、CelebA-64上では35.65%のFID削減を実現している。

関連論文リスト

• FlowSteer: Guiding Few-Step Image Synthesis with Authentic Trajectories [82.90132015584359]
  ReFlowはフローマッチングと理論的に整合性があるが、現実的なシナリオでは最適ではない。 本研究では,ReFlowをベースとした蒸留手法であるFlowSteerを提案する。
  論文  参考訳（メタデータ） (2025-11-24T07:13:23Z)
• Unsupervised Joint Learning of Optical Flow and Intensity with Event Cameras [11.125596394858192]
  イベントカメラは、シーンの外観に関する情報を得るために動きに依存している。 本稿では,単一ネットワークを用いた光フロー(動き)と画像強度(出現)を共同で推定する教師なし学習フレームワークを提案する。
  論文  参考訳（メタデータ） (2025-03-21T16:04:13Z)
• Efficient Diffusion as Low Light Enhancer [63.789138528062225]
  RATR(Reflectance-Aware Trajectory Refinement)は、イメージの反射成分を用いて教師の軌跡を洗練するための、シンプルで効果的なモジュールである。 textbfReDDiT (textbfDistilled textbfTrajectory) は低照度画像強調(LLIE)に適した効率的で柔軟な蒸留フレームワークである。
  論文  参考訳（メタデータ） (2024-10-16T08:07:18Z)
• Rectified Diffusion: Straightness Is Not Your Need in Rectified Flow [65.51671121528858]
  拡散モデルは、視覚生成を大幅に改善したが、生成ODEを解くという計算集約的な性質のため、生成速度の遅さによって妨げられている。 広く認識されている解である整流流は、ODEパスを直線化することで生成速度を向上させる。 本稿では,より広範な拡散モデルのカテゴリをカバーするために,設計空間と修正の応用範囲を一般化するRectified Diffusionを提案する。
  論文  参考訳（メタデータ） (2024-10-09T17:43:38Z)
• Unmasking Bias in Diffusion Model Training [40.90066994983719]
  拡散モデルが画像生成の主流のアプローチとして登場した。 トレーニングの収束が遅く、サンプリングのカラーシフトの問題に悩まされている。 本稿では,これらの障害は,既定のトレーニングパラダイムに固有のバイアスや準最適性に大きく起因していると考えられる。
  論文  参考訳（メタデータ） (2023-10-12T16:04:41Z)
• The Surprising Effectiveness of Diffusion Models for Optical Flow and Monocular Depth Estimation [42.48819460873482]
  拡散確率モデルは、その印象的な忠実さと多様性で画像生成を変換した。 また,タスク固有のアーキテクチャや損失関数を使わずに,光学的フローと単眼深度の推定に優れることを示す。
  論文  参考訳（メタデータ） (2023-06-02T21:26:20Z)
• Two-Stage Single Image Reflection Removal with Reflection-Aware Guidance [78.34235841168031]
  シングルイメージリフレクション除去(SIRR)のためのリフレクション・アウェア・ガイダンス(RAGNet)を用いた新しい2段階ネットワークを提案する。 RAGは、(i)観測からの反射の効果を緩和するために、(ii)線形結合仮説から逸脱する効果を緩和するための部分畳み込みにおいてマスクを生成するために用いられる。 5つの一般的なデータセットの実験は、最先端のSIRR法と比較して、RAGNetの量的および質的な優位性を実証している。
  論文  参考訳（メタデータ） (2020-12-02T03:14:57Z)

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。