論文の概要: Manifold-Optimal Guidance: A Unified Riemannian Control View of Diffusion Guidance

• arxiv url: http://arxiv.org/abs/2603.11509v1
• Date: Thu, 12 Mar 2026 03:51:32 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-03-13 14:46:25.852362
• Title: Manifold-Optimal Guidance: A Unified Riemannian Control View of Diffusion Guidance
• Title（参考訳）: マニフォールド最適誘導:拡散誘導の統一リーマン制御
• Authors: Zexi Jia, Pengcheng Luo, Zhengyao Fang, Jinchao Zhang, Jie Zhou,
• Abstract要約: 本稿では,局所最適制御問題としてガイダンスを再構成する枠組みを提案する。 MOGはクローズドな幾何対応の更新を行い、再トレーニングを必要とせずにオフマニフォールドのドリフトを補正する。
• 参考スコア（独自算出の注目度）: 21.903550549566575
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Classifier-Free Guidance (CFG) serves as the de facto control mechanism for conditional diffusion, yet high guidance scales notoriously induce oversaturation, texture artifacts, and structural collapse. We attribute this failure to a geometric mismatch: standard CFG performs Euclidean extrapolation in ambient space, inadvertently driving sampling trajectories off the high-density data manifold. To resolve this, we present Manifold-Optimal Guidance (MOG), a framework that reformulates guidance as a local optimal control problem. MOG yields a closed-form, geometry-aware Riemannian update that corrects off-manifold drift without requiring retraining. Leveraging this perspective, we further introduce Auto-MOG, a dynamic energy-balancing schedule that adaptively calibrates guidance strength, effectively eliminating the need for manual hyperparameter tuning. Extensive validation demonstrates that MOG yields superior fidelity and alignment compared to baselines, with virtually no added computational overhead.
• Abstract（参考訳）: 分類自由誘導(CFG)は条件拡散のデファクト制御機構として機能するが、高いガイダンススケールは過飽和、テクスチャアーティファクト、構造崩壊を引き起こすと悪名高い。 標準CFGは周囲空間でユークリッド外挿を行い、高密度データ多様体から必然的にサンプリング軌道を駆動する。 そこで本研究では,局所最適制御問題としてガイダンスを再構成するフレームワークであるManifold-Optimal Guidance(MOG)を提案する。 MOG は閉形式で幾何学を意識したリーマン更新をもたらし、再トレーニングを必要とせず、オフマニフォールドのドリフトを補正する。 この観点から、誘導強度を適応的に調整し、手動ハイパーパラメータチューニングの必要性を効果的に排除する動的エネルギーバランススケジュールであるAuto-MOGを導入する。 大規模な検証では、MOGはベースラインよりも忠実さとアライメントが優れており、計算オーバーヘッドがほとんどない。

関連論文リスト

• Diffusion Controller: Framework, Algorithms and Parameterization [54.82539154511621]
  本稿では,逆拡散サンプリングを(一般化された)線形解法マルコフ決定過程における状態のみの制御として活用する統一的な制御理論的視点を提案する。 このフレームワークでは、制御はトレーニング済みのリバースタイムのトランジションカーネルを再重み付けし、端末の目的と$f$分割コストのバランスをとる。 安定拡散v1.4の実験では、選好調整の勝利率が一貫した上昇を示し、品質効率のトレードオフを改善した。
  論文  参考訳（メタデータ） (2026-03-07T01:49:59Z)
• Score-Guided Proximal Projection: A Unified Geometric Framework for Rectified Flow Editing [1.0312968200748118]
  Rectified Flowモデルは最先端の世代品質を実現するが、正確なタスクのためにそれらを制御することは依然として困難である。 現在のアプローチは「幾何学的ロック」に苦しむ逆法に基づくガイダンスに分岐する Score-Guided Proximal Projectionは,決定論的最適化と縮尺サンプリングのギャップを埋める統一フレームワークである。
  論文  参考訳（メタデータ） (2026-03-05T23:44:45Z)
• CFG-Ctrl: Control-Based Classifier-Free Diffusion Guidance [31.552164852288325]
  スライディングモード制御CFG(SMC-CFG)を導入する。 SMC-CFGは、様々なガイダンス尺度において、セマンティックアライメントとロバストネスにおいて標準CFGを上回っている。
  論文  参考訳（メタデータ） (2026-03-03T18:59:48Z)
• Riemannian Flow Matching for Disentangled Graph Domain Adaptation [51.98961391065951]
  グラフドメイン適応(GDA)は典型的には、ユークリッド空間におけるグラフ埋め込みの整列に逆学習を使用する。 DisRFMは、埋め込みとフローベースのトランスポートを統一する幾何学的なGDAフレームワークである。
  論文  参考訳（メタデータ） (2026-01-31T11:05:35Z)
• Improving Classifier-Free Guidance of Flow Matching via Manifold Projection [3.6087998976768128]
  最適化のレンズによるCFGの原理的解釈を提供する。 CFGサンプリングを多様体制約によるホモトピー最適化として再構成する。 提案手法は, トレーニング不要かつ一貫した生成忠実度, 迅速なアライメント, ガイダンス尺度に対するロバスト性である。
  論文  参考訳（メタデータ） (2026-01-29T15:49:31Z)
• GeoAda: Efficiently Finetune Geometric Diffusion Models with Equivariant Adapters [61.51810815162003]
  制御された生成タスクに対してフレキシブルかつパラメータ効率の良い微調整を可能にするSE(3)-equivariant Adapter framework(GeoAda)を提案する。 GeoAdaは、過剰適合と破滅的な忘れを緩和しながら、モデルの幾何的一貫性を保っている。 我々は、フレーム制御、グローバル制御、サブグラフ制御、広範囲のアプリケーションドメインを含む多様な幾何学的制御タイプにまたがるGeoAdaの適用性を実証する。
  論文  参考訳（メタデータ） (2025-07-02T18:44:03Z)
• Normalized Attention Guidance: Universal Negative Guidance for Diffusion Models [57.20761595019967]
  注意空間にL1をベースとした正規化・精細化を施した,効率的かつトレーニング不要な機構である正規化注意誘導(NAG)を提案する。 NAGは、CFGが忠実性を維持しながら崩壊する効果的な負のガイダンスを復元する。 NAGはアーキテクチャ(UNet、DiT)、サンプリングレシスタンス(複数ステップ、複数ステップ)、モダリティ(イメージ、ビデオ)をまたいで一般化する
  論文  参考訳（メタデータ） (2025-05-27T13:30:46Z)
• Eliminating Oversaturation and Artifacts of High Guidance Scales in Diffusion Models [27.640009920058187]
  CFG更新ルールを再検討し、この問題に対処するための修正を導入する。 過飽和を伴わない高品質な世代を実現するために並列成分の低重み付けを提案する。 また、この知見に基づいて、CFG更新ルールに対する新しい再スケーリングモーメント手法も導入する。
  論文  参考訳（メタデータ） (2024-10-03T12:06:29Z)

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。