論文の概要: Making Reconstruction FID Predictive of Diffusion Generation FID

• arxiv url: http://arxiv.org/abs/2603.05630v1
• Date: Thu, 05 Mar 2026 19:39:01 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-03-09 13:17:44.399582
• Title: Making Reconstruction FID Predictive of Diffusion Generation FID
• Title（参考訳）: 拡散生成FIDの再構成FID予測
• Authors: Tongda Xu, Mingwei He, Shady Abu-Hussein, Jose Miguel Hernandez-Lobato, Haotian Zhang, Kai Zhao, Chao Zhou, Ya-Qin Zhang, Yan Wang,
• Abstract要約: VAEの再構成FID(rFID)は,潜伏拡散モデルの生成FID(gFID)と相関が低い。 本稿では,gFIDと強い相関を示すrFIDの単純な変種であるinterpolated FID (iFID)を提案する。 iFIDは拡散gFIDと強い相関を示す最初の指標であり、ピアソン線形およびスピアマンランクの相関はおよそ0.85である。
• 参考スコア（独自算出の注目度）: 31.649203442859882
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: It is well known that the reconstruction FID (rFID) of a VAE is poorly correlated with the generation FID (gFID) of a latent diffusion model. We propose interpolated FID (iFID), a simple variant of rFID that exhibits a strong correlation with gFID. Specifically, for each element in the dataset, we retrieve its nearest neighbor (NN) in the latent space and interpolate their latent representations. We then decode the interpolated latent and compute the FID between the decoded samples and the original dataset. Additionally, we refine the claim that rFID correlates poorly with gFID, by showing that rFID correlates with sample quality in the diffusion refinement phase, whereas iFID correlates with sample quality in the diffusion navigation phase. Furthermore, we provide an explanation for why iFID correlates well with gFID, and why reconstruction metrics are negatively correlated with gFID, by connecting to results in the diffusion generalization and hallucination. Empirically, iFID is the first metric to demonstrate a strong correlation with diffusion gFID, achieving Pearson linear and Spearman rank correlations approximately 0.85. The source code is provided in https://github.com/tongdaxu/Making-rFID-Predictive-of-Diffusion-gFID.
• Abstract（参考訳）: VAEの再構成FID (rFID) は, 潜伏拡散モデルの生成FID (gFID) と相関が低いことが知られている。 本稿では,gFIDと強い相関を示すrFIDの単純な変種であるinterpolated FID (iFID)を提案する。 具体的には、データセットの各要素について、潜時空間の最も近い隣人(NN)を検索し、その潜時表現を補間する。 次に、補間された潜伏剤をデコードし、デコードされたサンプルと元のデータセットの間のFIDを計算する。 また,rFIDとgFIDとの相関性は,rFIDが拡散精製相の試料品質と相関しているのに対し,iFIDは拡散ナビゲーション相の試料品質と相関していることを示すことにより,rFIDとgFIDとの相関性が低いという主張を洗練する。 さらに,iFIDがgFIDと相関し,また,拡散一般化と幻覚の結果として,再現指標がgFIDと負の相関関係にある理由を解説した。 経験的に、iFID は拡散 gFID と強い相関を示す最初の計量であり、ピアソン線形およびスピアマンランクの相関はおよそ 0.85 である。 ソースコードはhttps://github.com/tongdaxu/Making-rFID-Predictive-of-Diffusion-gFIDで提供されている。

関連論文リスト

• Generative MIMO Beam Map Construction for Location Recovery and Beam Tracking [67.65578956523403]
  本稿では,スパースチャネル状態情報(CSI)から位置ラベルを直接復元する生成フレームワークを提案する。 生のCSIを直接格納する代わりに、小型の低次元無線地図の埋め込みを学び、生成モデルを利用して高次元CSIを再構築する。 数値実験により,NLOSシナリオにおける局所化精度が30%以上向上し,20%のキャパシティゲインが得られることが示された。
  論文  参考訳（メタデータ） (2025-11-21T07:25:49Z)
• Frequency-Aware Deepfake Detection: Improving Generalizability through Frequency Space Learning [81.98675881423131]
  この研究は、目に見えないディープフェイク画像を効果的に識別できるユニバーサルディープフェイク検出器を開発するという課題に対処する。 既存の周波数ベースのパラダイムは、偽造検出のためにGANパイプラインのアップサンプリング中に導入された周波数レベルのアーティファクトに依存している。 本稿では、周波数領域学習を中心にしたFreqNetと呼ばれる新しい周波数認識手法を導入し、ディープフェイク検出器の一般化性を高めることを目的とする。
  論文  参考訳（メタデータ） (2024-03-12T01:28:00Z)
• A Novel RFID Authentication Protocol Based on A Block-Order-Modulus Variable Matrix Encryption Algorithm [33.418596635960085]
  低コストRFIDセンサタグを用いた移動無線周波数識別(RFID)システムの認証について検討した。 AM-SUEO-DBLTKMアルゴリズムは従来のアルゴリズムよりも99.59%のタグストレージを節約できることを示す。
  論文  参考訳（メタデータ） (2023-12-17T02:55:13Z)
• RFID-Assisted Indoor Localization Using Hybrid Wireless Data Fusion [0.5753274939310764]
  屋内環境における物体追跡にはワイヤレス位置決めが不可欠である。 Internet of Things(IoT)は、さまざまな無線通信プロトコルを通じてローカライズを可能にする。 本稿では、RFID(Radio Frequency Identification)トラッキングデバイスと複数のIoT無線技術を用いたハイブリッド区間を用いた屋内位置推定手法を提案する。
  論文  参考訳（メタデータ） (2023-07-28T12:02:27Z)
• Persistent Animal Identification Leveraging Non-Visual Markers [71.14999745312626]
  乱雑なホームケージ環境下で各マウスにユニークな識別子を時間をかけて発見し提供することを目的としている。 これは、(i)各マウスの視覚的特徴の区別の欠如、(ii)一定の閉塞を伴うシーンの密閉性のため、非常に難しい問題である。 本手法は, この動物識別問題に対して77%の精度を達成し, 動物が隠れているときの急激な検出を拒否することができる。
  論文  参考訳（メタデータ） (2021-12-13T17:11:32Z)
• The Tags Are Alright: Robust Large-Scale RFID Clone Detection Through Federated Data-Augmented Radio Fingerprinting [11.03108444237374]
  本稿では、RFIDクローン検出の精度を高めるために、フェデレーション機械学習(FML)とデータ拡張(DAG)に基づく新しいトレーニングフレームワークを提案する。 我々の知る限り、大規模なデバイス群に対するFMLとDAの有効性を実験的に実証した最初の論文である。
  論文  参考訳（メタデータ） (2021-05-08T10:48:02Z)
• Backpropagating through Fr\'echet Inception Distance [79.81807680370677]
  FastFIDは、損失関数としてFIDで生成モデルを効率的に訓練することができる。 Generative Adversarial Networksのための追加の損失としてFIDを使用すると、FIDが改善される。
  論文  参考訳（メタデータ） (2020-09-29T15:04:40Z)
• A Compressive Sensing Approach for Federated Learning over Massive MIMO Communication Systems [82.2513703281725]
  フェデレートラーニング(Federated Learning)は、無線デバイスとのコラボレーションによって、中央サーバでグローバルモデルをトレーニングするための、プライバシ保護のアプローチである。 本稿では,大規模マルチインプット多出力通信システム上でのフェデレーション学習のための圧縮センシング手法を提案する。
  論文  参考訳（メタデータ） (2020-03-18T05:56:27Z)

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。