論文の概要: Motion Prior Distillation in Time Reversal Sampling for Generative Inbetweening

• arxiv url: http://arxiv.org/abs/2602.12679v2
• Date: Thu, 19 Feb 2026 09:50:18 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-02-20 15:21:28.18467
• Title: Motion Prior Distillation in Time Reversal Sampling for Generative Inbetweening
• Title（参考訳）: 世代間インベンションのための時間逆サンプリングにおける事前蒸留の動作
• Authors: Wooseok Jeon, Seunghyun Shin, Dongmin Shin, Hae-Gon Jeon,
• Abstract要約: 本稿では, 簡易かつ効果的な推定時間蒸留技術である運動優先蒸留(MPD)を提案する。 MPDは前方経路の運動残差を後方経路に蒸留することで双方向のミスマッチを抑制する。 本手法は,経路のあいまいさの原因となる条件付き経路を意図的に denoizing することを避けることができる。
• 参考スコア（独自算出の注目度）: 23.537461698380607
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Recent progress in image-to-video (I2V) diffusion models has significantly advanced the field of generative inbetweening, which aims to generate semantically plausible frames between two keyframes. In particular, inference-time sampling strategies, which leverage the generative priors of large-scale pre-trained I2V models without additional training, have become increasingly popular. However, existing inference-time sampling, either fusing forward and backward paths in parallel or alternating them sequentially, often suffers from temporal discontinuities and undesirable visual artifacts due to the misalignment between the two generated paths. This is because each path follows the motion prior induced by its own conditioning frame. In this work, we propose Motion Prior Distillation (MPD), a simple yet effective inference-time distillation technique that suppresses bidirectional mismatch by distilling the motion residual of the forward path into the backward path. Our method can deliberately avoid denoising the end-conditioned path which causes the ambiguity of the path, and yield more temporally coherent inbetweening results with the forward motion prior. We not only perform quantitative evaluations on standard benchmarks, but also conduct extensive user studies to demonstrate the effectiveness of our approach in practical scenarios.
• Abstract（参考訳）: 画像間拡散モデル(I2V)の最近の進歩は、2つのキーフレーム間で意味論的に妥当なフレームを生成することを目的とした生成的内在化の分野を著しく進歩させてきた。 特に,大規模事前学習型I2Vモデルの生成先行を付加訓練なしで活用する推論時サンプリング戦略が人気を博している。 しかしながら、既存の推論時間サンプリングは、前方と後方の経路を平行に融合させたり、それらを順次交互に交互に切り替えたりすることは、しばしば、2つの生成された経路間の不一致により、時間的不連続性と望ましくない視覚的アーティファクトに悩まされる。 これは、各経路が自身の条件フレームによって事前に誘導される動きに従うためである。 本研究では,前進路から後進路への移動残差を蒸留することにより,双方向のミスマッチを抑制する簡易かつ効果的な推論時間蒸留技術である運動優先蒸留(MPD)を提案する。 提案手法は,経路のあいまいさの原因となる条件付き経路のデノベートを意図的に回避し,前向きの動きとより時間的に整合性のあるインテツニング結果が得られる。 我々は,標準ベンチマークで定量的評価を行うだけでなく,実践シナリオにおけるアプローチの有効性を実証するための広範なユーザスタディも実施している。

関連論文リスト

• STEP: Warm-Started Visuomotor Policies with Spatiotemporal Consistency Prediction [16.465783114087223]
  反復デノゲーションは、リアルタイム閉ループシステムにおける制御周波数を制限し、相当な推論遅延をもたらす。 高品質なウォームスタート動作を構築するための軽量時整合予測機構STEPを提案する。 2段階のSTEPは、RoboMimicベンチマークや実世界のタスクでBRIDGERやDDIMよりも平均21.6%、27.5%高い成功率を達成することができる。
  論文  参考訳（メタデータ） (2026-02-09T03:50:40Z)
• FlowConsist: Make Your Flow Consistent with Real Trajectory [99.22869983378062]
  現在の高速フロートレーニングパラダイムには,2つの根本的な問題がある,と我々は主張する。 ランダムにペアリングされたノイズデータサンプルから構築された条件付き速度は、系統的な軌跡ドリフトを導入する。 本研究では,高速フローにおける軌道整合性を実現するためのトレーニングフレームワークであるFlowConsistを提案する。
  論文  参考訳（メタデータ） (2026-02-06T03:24:23Z)
• Euphonium: Steering Video Flow Matching via Process Reward Gradient Guided Stochastic Dynamics [49.242224984144904]
  本稿では,プロセス報酬勾配誘導ダイナミクスによる生成を支援する新しいフレームワークであるEuphoniumを提案する。 我々の重要な洞察は、プロセス・リワード・モデルの勾配を明示的に組み込んだ理論的に原理化されたアルゴリズムとしてサンプリング・プロセスを定式化することである。 我々は,誘導信号をフローネットワークに内部化する蒸留目標を導出し,報奨モデルへの推論時間依存性を排除した。
  論文  参考訳（メタデータ） (2026-02-04T08:59:57Z)
• SynCast: Synergizing Contradictions in Precipitation Nowcasting via Diffusion Sequential Preference Optimization [62.958457694151384]
  本研究では,大規模な言語モデルにおける人的フィードバックからの強化学習の成功を動機として,降水量の最適化を初めて導入する。 第一段階では、フレームワークはFARを減らすことに焦点を当て、誤報を効果的に抑えるためにモデルを訓練する。
  論文  参考訳（メタデータ） (2025-10-22T16:11:22Z)
• SCoT: Unifying Consistency Models and Rectified Flows via Straight-Consistent Trajectories [31.60548236936739]
  本研究では,事前学習した拡散モデルに対する直線一貫性軌道(SCoT)モデルを提案する。 SCoTは、高速サンプリングのための両方のアプローチの利点を享受し、一貫した特性と直線的な性質のトラジェクトリを同時に生成する。
  論文  参考訳（メタデータ） (2025-02-24T08:57:19Z)
• Sequential Controlled Langevin Diffusions [94.82767690147865]
  2つの一般的な方法として,(1) 所定のマルコフ連鎖と再サンプリング工程を通した連続モンテカルロ (SMC) と,(2) 学習された動的輸送を用いる拡散に基づくサンプリング手法が最近開発された。 本稿では,SMC と拡散型サンプリング器を連続的に観察し,経路空間の測度を考慮し,SMC と拡散型サンプリング器を組み合わせるための基本的枠組みを提案する。 これは、従来の拡散のトレーニング予算の10%しか使用しない場合が多いが、これらの手法の利点を活用でき、複数のベンチマーク問題の性能向上に資するSCLD(Sequential Controlled Langevin Diffusion)サンプリング手法の成果である。
  論文  参考訳（メタデータ） (2024-12-10T00:47:10Z)
• A Dense Reward View on Aligning Text-to-Image Diffusion with Preference [54.43177605637759]
  本稿では,T2I逆鎖の初期ステップを強調する,トラクタブルアライメントの目的を提案する。 単一および複数プロンプト生成の実験では,本手法は強い関連するベースラインと競合する。
  論文  参考訳（メタデータ） (2024-02-13T07:37:24Z)
• Human Motion Diffusion as a Generative Prior [20.004837564647367]
  拡散先行に基づく3種類の合成法を提案する。 長いシーケンス生成の課題に取り組みます。 並列合成を用いて、2人の世代に向けた有望なステップを示す。
  論文  参考訳（メタデータ） (2023-03-02T17:09:27Z)

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。