Fugu-MT 論文翻訳(概要): Fractal Autoregressive Depth Estimation with Continuous Token Diffusion

論文の概要: Fractal Autoregressive Depth Estimation with Continuous Token Diffusion

arxiv url: http://arxiv.org/abs/2603.14702v1
Date: Mon, 16 Mar 2026 01:19:42 GMT
ステータス: 翻訳完了
システム内更新日: 2026-03-17 16:19:35.977087
Title: Fractal Autoregressive Depth Estimation with Continuous Token Diffusion
Title（参考訳）: 連続的トークン拡散を用いたフラクタル自己回帰深さ推定
Abstract要約: 粗大なプロセスとして深度推定を再構成するフラクタルビジュアル自己回帰拡散フレームワークを提案する。条件付き拡散損失モデルが連続空間に直接分布し、離散量子化による誤差を緩和する。標準ベンチマークの実験では、高い性能を示し、提案した設計の有効性を検証する。
参考スコア（独自算出の注目度）: 24.726638033402747
License: http://creativecommons.org/licenses/by/4.0/
Abstract: Monocular depth estimation can benefit from autoregressive (AR) generation, but direct AR modeling is hindered by the modality gap between RGB and depth, inefficient pixel-wise generation, and instability in continuous depth prediction. We propose a Fractal Visual Autoregressive Diffusion framework that reformulates depth estimation as a coarse-to-fine, next-scale autoregressive generation process. A VCFR module fuses multi-scale image features with current depth predictions to improve cross-modal conditioning, while a conditional denoising diffusion loss models depth distributions directly in continuous space and mitigates errors caused by discrete quantization. To improve computational efficiency, we organize the scale-wise generators into a fractal recursive architecture, reusing a base visual AR unit in a self-similar hierarchy. We further introduce an uncertainty-aware robust consensus aggregation scheme for multi-sample inference to improve fusion stability and provide a practical pixel-wise reliability estimate. Experiments on standard benchmarks demonstrate strong performance and validate the effectiveness of the proposed design.
Abstract（参考訳）: 単眼深度推定は自己回帰(AR)生成の恩恵を受けるが、直接ARモデリングはRGBと深度とのモジュラリティギャップ、非効率な画素ワイド生成、連続深度予測の不安定性によって妨げられる。粗大な自己回帰生成プロセスとして深度推定を再構成するフラクタルビジュアル自己回帰拡散フレームワークを提案する。 VCFRモジュールは、マルチスケール画像特徴と現在の深さ予測を融合して、クロスモーダル条件を改善する一方、条件付き拡散損失モデルにより、連続空間内で直接に分布し、離散量子化による誤差を軽減する。計算効率を向上させるため,大規模生成装置をフラクタル再帰アーキテクチャに編成し,ベースビジュアルARユニットを自己相似階層で再利用する。さらに,マルチサンプル推論のための不確実性を考慮したロバスト・コンセンサス・アグリゲーション・アグリゲーション・スキームを導入し,融合安定性を向上し,実用的な画素単位の信頼度推定を行う。標準ベンチマークの実験では、高い性能を示し、提案した設計の有効性を検証する。

関連論文リスト

Local Epistemic Uncertainty Guided Active Sampling for Plug-and-play Diffusive Image Restoration [15.371827475537776]
局所的不確実性ガイド型アクティブサンプリングフレームワークを開発した。空間領域における細部保存とアーティファクトの抑制のバランスをとる。メモリオーバーヘッドを無視してサンプリング時間を短縮する。
論文参考訳（メタデータ） (2026-08-07T09:00:20Z)
Where to Refine, When to Stop: Rethinking Redundancy via Latent Discrepancy for Efficient Visual Autoregressive Generation [50.139984798361375]
遅延不一致による冗長性を除去する学習自由フレームワークを提案する。 LD-Pruningは、Infinity-8Bの最大2.35倍のスピードアップを実現し、高い生成品質を維持しながら推論を大幅に削減する。
論文参考訳（メタデータ） (2026-05-29T19:34:39Z)
Next-Acceleration-Scale Prediction for Autoregressive MRI Reconstruction [52.32112533846212]
MRI再建は本質的に不完全な逆問題である。この制限は、再構成を離散的なマルチスケールの潜在空間に移動させ、自己回帰的次加速スケールの予測として機能させることによって解決する。提案手法は,過度のアンサンプ下での多種多様なサンプリングパターンの再構成性能の向上を図っている。
論文参考訳（メタデータ） (2026-05-19T04:40:50Z)
Robust Posterior Diffusion-based Sampling via Adaptive Guidance Scale [39.27744518020771]
逆プロブレム定式化のための拡散過程を導出する適応的確率ステップサイズ戦略を提案する。結果として得られたアプローチであるAdaptive Posterior diffusion Smpling (AdaPS)は、ハイパーフリーであり、多様な画像タスクにおける再構成品質を改善する。
論文参考訳（メタデータ） (2025-11-23T14:37:59Z)
ResPF: Residual Poisson Flow for Efficient and Physically Consistent Sparse-View CT Reconstruction [7.644299873269135]
スパース・ビュー・コンピュート・トモグラフィー(CT)は、放射線線量を減らすための実用的な方法であるが、結果として生じる逆問題により、正確な画像再構成に重大な課題が生じる。生成モデリングの最近の進歩、特にポアソンフロー生成モデル(PFGM)は、高忠実度画像合成を可能にする。本稿では, 残余ポアソンフロー(ResPF)生成モデルを提案する。
論文参考訳（メタデータ） (2025-06-06T01:43:35Z)
VistaDepth: Frequency Modulation with Bias Reweighting for Enhanced Far-range Depth Estimation [13.13321690410482]
VistaDepthは、遠方のビスタを正確に再構築する能力によって名付けられた、新しいフレームワークである。本稿では,適応重みを潜在空間の拡散損失に直接適用する機構であるBiasMapを紹介する。実験により,VistaDepthは拡散型MDEの最先端性能を実現することが示された。
論文参考訳（メタデータ） (2025-04-21T13:30:51Z)
DepthART: Monocular Depth Estimation as Autoregressive Refinement Task [2.3884184860468136]
DepthART - Depth Autoregressive Refinement Taskとして定式化された新しいトレーニング手法を紹介する。モデル自身の予測を入力として利用することにより、目標を残留最小化とし、トレーニングと推論手順の相違を効果的に軽減する。提案手法を用いてHypersimデータセットをトレーニングすると、既存の生成的および識別的ベースラインと比較して、複数の未確認ベンチマークで優れた結果が得られる。
論文参考訳（メタデータ） (2024-09-23T13:36:34Z)
Digging into contrastive learning for robust depth estimation with diffusion models [55.62276027922499]
そこで我々はD4RDと呼ばれる新しい頑健な深度推定法を提案する。複雑な環境での性能劣化を軽減するために、拡散モデルに適した独自のコントラスト学習モードを備えている。実験では、D4RDは合成汚職データセットや現実世界の気象条件に関する最先端のソリューションを超越している。
論文参考訳（メタデータ） (2024-04-15T14:29:47Z)
Low-Light Image Enhancement with Wavelet-based Diffusion Models [50.632343822790006]
拡散モデルは画像復元作業において有望な結果を得たが、時間を要する、過剰な計算資源消費、不安定な復元に悩まされている。本稿では,DiffLLと呼ばれる高能率かつ高能率な拡散型低光画像強調手法を提案する。
論文参考訳（メタデータ） (2023-06-01T03:08:28Z)
Hierarchical Integration Diffusion Model for Realistic Image Deblurring [71.76410266003917]
拡散モデル (DM) は画像劣化に導入され, 有望な性能を示した。本稿では,階層型統合拡散モデル(HI-Diff)を提案する。人工的および実世界のぼかしデータセットの実験は、HI-Diffが最先端の手法より優れていることを示した。
論文参考訳（メタデータ） (2023-05-22T12:18:20Z)
DiffusionAD: Norm-guided One-step Denoising Diffusion for Anomaly Detection [80.20339155618612]
DiffusionADは、再構成サブネットワークとセグメンテーションサブネットワークからなる、新しい異常検出パイプラインである。高速なワンステップデノゲーションパラダイムは、同等の再現品質を維持しながら、数百倍の加速を達成する。異常の出現の多様性を考慮し、複数のノイズスケールの利点を統合するためのノルム誘導パラダイムを提案する。
論文参考訳（メタデータ） (2023-03-15T16:14:06Z)

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。