論文の概要: Compositional Diffusion with Guided Search for Long-Horizon Planning
- arxiv url: http://arxiv.org/abs/2601.00126v2
- Date: Mon, 05 Jan 2026 15:30:54 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-03-23 08:17:40.593266
- Title: Compositional Diffusion with Guided Search for Long-Horizon Planning
- Title（参考訳）: 長距離計画のためのガイド付き探索による構成拡散
- Abstract要約: 合成生成モデルのためのCDGSを用いた合成拡散法を提案する。
提案手法は,人口ベースサンプリングによる局所モードの多種多様な組み合わせ,確率ベースフィルタリングによる不実現候補の探索,反復的再サンプリングによる大域的一貫性の検証を行う。
このアプローチはドメインをまたいで一般化され、テキスト誘導パノラマ画像と長いビデオが、効果的なローカル-グローバルメッセージパッシングによって実現される。
- 参考スコア（独自算出の注目度）: 25.850015543620128
- License: http://creativecommons.org/publicdomain/zero/1.0/
- Abstract: Generative models have emerged as powerful tools for planning, with compositional approaches offering particular promise for modeling long-horizon task distributions by composing together local, modular generative models. This compositional paradigm spans diverse domains, from multi-step manipulation planning to panoramic image synthesis to long video generation. However, compositional generative models face a critical challenge: when local distributions are multimodal, existing composition methods average incompatible modes, producing plans that are neither locally feasible nor globally coherent. We propose Compositional Diffusion with Guided Search (CDGS), which addresses this mode averaging problem by embedding search directly within the diffusion denoising process. Our method explores diverse combinations of local modes through population-based sampling, prunes infeasible candidates using likelihood-based filtering, and enforces global consistency through iterative resampling between overlapping segments. CDGS matches oracle performance on seven robot manipulation tasks, outperforming baselines that lack compositionality or require long-horizon training data. The approach generalizes across domains, enabling coherent text-guided panoramic images and long videos through effective local-to-global message passing. More details: https://cdgsearch.github.io/
- Abstract（参考訳）: 生成モデルは計画のための強力なツールとして登場し、構成的アプローチは、局所的なモジュラー生成モデルを組み立てることで、長期タスクの分散をモデル化するための特別な約束を提供する。
この構成パラダイムは、多段階操作計画からパノラマ画像合成、長いビデオ生成に至るまで、多様な領域にまたがる。
しかし、構成生成モデルは、局所分布がマルチモーダルである場合、既存の構成法は非互換なモードを平均化し、局所的に実現不可能で、グローバルに一貫性のない計画を生成する。
本稿では,このモード平均化問題に対して,拡散復調プロセスに直接サーチを埋め込むことにより,CDGSを用いた合成拡散を提案する。
提案手法は,人口ベースサンプリングによる局所モードの多種多様な組み合わせ,確率ベースフィルタリングによる不実現候補の探索,重なり合うセグメント間の反復的再サンプリングによる大域的一貫性の検証を行う。
CDGSは7つのロボット操作タスクにおけるオラクルのパフォーマンスと一致し、構成性に欠けたり、長期のトレーニングデータを必要とするベースラインを上回っている。
このアプローチはドメインをまたいで一般化され、テキスト誘導パノラマ画像と長いビデオが、効果的なローカル-グローバルメッセージパッシングによって実現される。
詳細:https://cdgsearch.github.io/
関連論文リスト
- Plan First, Diffuse Later: Extrinsic Graph Guidance for Long-Horizon Diffusion Planning [44.52185127499181]
構成拡散モデルは、長期計画への有望なルートを提供する。
しかし、長鎖上の局所的な振る舞いを強制することは、コヒーレントなグローバル構造が現れるには不十分であることが多い。
最近の研究は本質的な探索を通じてこの限界に対処し、復調過程において複数の経路を探索している。
論文 参考訳（メタデータ） (2026-05-16T07:53:04Z) - Refining Compositional Diffusion for Reliable Long-Horizon Planning [31.40044829548484]
本研究では,高密度でグローバルなコヒーレントな計画に向けて,構成標本を操る学習自由誘導手法を提案する。
ローコモーション、オブジェクト操作、ピクセルベースの観察を含む、OGBenchからの長距離タスクへの挑戦実験は、RCDが既存の手法を一貫して上回ることを示した。
論文 参考訳（メタデータ） (2026-05-04T18:44:19Z) - Mitigating Long-Tail Bias via Prompt-Controlled Diffusion Augmentation [36.94429692322632]
本稿では,ドメイン構成とセマンティック構成の両方を明示的に制御し,ペア付きラベルサンプルを合成する,プロンプト制御拡散増強フレームワークを提案する。
遠隔センシングセグメンテーションにおける長期バイアスを軽減するための実践的メカニズムとして,マイノリティクラスに集中したゲインを示し,都市・農村の一般化を改善した。
論文 参考訳（メタデータ） (2026-02-04T16:49:16Z) - Sequence Pathfinder for Multi-Agent Pickup and Delivery in the Warehouse [10.576983033957953]
Multi-Agent Pickup and Delivery (MAPD) は Multi-Agent Path Finding (MAPF) の挑戦的拡張である
コミュニケーション学習は、グローバルな情報の欠如を緩和するが、ポイントツーポイント通信による高い計算複雑性をもたらす。
本稿では,暗黙的な情報交換を実現するためのシークエンシャルパスファインダ(SePar)を提案する。
論文 参考訳（メタデータ） (2025-09-28T09:48:13Z) - MFCLIP: Multi-modal Fine-grained CLIP for Generalizable Diffusion Face Forgery Detection [64.29452783056253]
フォトリアリスティック・フェイスジェネレーション手法の急速な発展は、社会やアカデミックにおいて大きな関心を集めている。
既存のアプローチは主に画像モダリティを用いて顔の偽造パターンをキャプチャするが、きめ細かいノイズやテキストのような他のモダリティは完全には探索されていない。
そこで本研究では,画像ノイズの多点にわたる包括的かつきめ細かなフォージェリートレースをマイニングする,MFCLIP(MF-modal Fine-fine-fine-fine-fine-fine CLIP)モデルを提案する。
論文 参考訳（メタデータ） (2024-09-15T13:08:59Z) - Coherent and Multi-modality Image Inpainting via Latent Space Optimization [61.99406669027195]
PILOT(intextbfPainting vtextbfIa textbfOptextbfTimization)は、新しいテキストセマンティック中央化とテキストセマンティック保存損失に基づく最適化手法である。
本手法は,背景とのコヒーレンスを維持しつつ,ユーザが提供するプロンプトに対して高い忠実度を示す塗装領域を生成できる潜時空間を探索する。
論文 参考訳（メタデータ） (2024-07-10T19:58:04Z) - Multi-view Aggregation Network for Dichotomous Image Segmentation [76.75904424539543]
Dichotomous Image (DIS) は近年,高解像度自然画像からの高精度物体分割に向けて出現している。
既存の手法は、グローバルなローカライゼーションと局所的な洗練を徐々に完了させるために、退屈な複数のエンコーダ・デコーダストリームとステージに依存している。
これに触発されて、我々は多視点オブジェクト認識問題としてdisをモデル化し、擬似多視点アグリゲーションネットワーク(MVANet)を提供する。
一般的なdis-5Kデータセットの実験では、我々のMVANetは精度と速度の両方で最先端の手法を大きく上回っている。
論文 参考訳（メタデータ） (2024-04-11T03:00:00Z) - Unite and Conquer: Plug & Play Multi-Modal Synthesis using Diffusion
Models [54.1843419649895]
拡散確率モデル(DDPM)に基づく解を提案する。
他の生成モデルよりも拡散モデルを選択する動機は、拡散モデルの柔軟な内部構造に由来する。
提案手法は,複数のサブタスクで訓練された複数の拡散モデルを統一し,組み合わせたタスクを克服する。
論文 参考訳（メタデータ） (2022-12-01T18:59:55Z) - Learning Continuous Implicit Representation for Near-Periodic Patterns [41.70435860192222]
近周パターン(Near-Periodic Patterns、NPP)は、人工のシーンにおいてユビキタスであり、照明、欠陥、デザイン要素による外観の違いによるタイル付きモチーフで構成されている。
NPPの表現は、局所的な変動を保ちながら、グローバルな一貫性を維持する必要があるため、難しい。
単一画像最適化を用いた座標に基づくニューラル表現を学習する。
論文 参考訳（メタデータ） (2022-08-25T18:01:04Z) - Style Curriculum Learning for Robust Medical Image Segmentation [62.02435329931057]
深部セグメンテーションモデルは、トレーニングデータセットとテストデータセットの間の画像強度の分散シフトによって、しばしば劣化する。
本稿では,そのような分散シフトが存在する場合に,ロバストなセグメンテーションを確保するための新しいフレームワークを提案する。
論文 参考訳（メタデータ） (2021-08-01T08:56:24Z) - Global Aggregation then Local Distribution for Scene Parsing [99.1095068574454]
提案手法は,エンドツーエンドのトレーニング可能なブロックとしてモジュール化され,既存のセマンティックセグメンテーションネットワークに容易に接続可能であることを示す。
私たちのアプローチでは、Cityscapes、ADE20K、Pascal Context、Camvid、COCO-stuffといった主要なセマンティックセグメンテーションベンチマークに基づいて、新しい最先端の技術を構築できます。
論文 参考訳（メタデータ） (2021-07-28T03:46:57Z)
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。