Fugu-MT 論文翻訳(概要): Transition Flow Matching

論文の概要: Transition Flow Matching

arxiv url: http://arxiv.org/abs/2603.15689v1
Date: Mon, 16 Mar 2026 01:30:21 GMT
ステータス: 翻訳完了
システム内更新日: 2026-03-18 17:42:06.888171
Title: Transition Flow Matching
Title（参考訳）: 遷移フローマッチング
Abstract要約: 平均流速モデルが局所流速場と大域平均流速の関係を確立する。遷移フローを直接学習する新しいパラダイムを提案する。
参考スコア（独自算出の注目度）: 0.12691047660244334
License: http://creativecommons.org/licenses/by/4.0/
Abstract: Mainstream flow matching methods typically focus on learning the local velocity field, which inherently requires multiple integration steps during generation. In contrast, Mean Velocity Flow models establish a relationship between the local velocity field and the global mean velocity, enabling the latter to be learned through a mathematically grounded formulation and allowing generation to be transferred to arbitrary future time points. In this work, we propose a new paradigm that directly learns the transition flow. As a global quantity, the transition flow naturally supports generation in a single step or at arbitrary time points. Furthermore, we demonstrate the connection between our approach and Mean Velocity Flow, establishing a unified theoretical perspective. Extensive experiments validate the effectiveness of our method and support our theoretical claims.
Abstract（参考訳）: 主流のフローマッチング手法は典型的には、生成時に複数の統合ステップを必要とする局所的な速度場を学ぶことに集中する。対照的に平均速度流モデルは局所速度場と大域平均速度の関係を確立し、後者を数学的に基底化された定式化によって学習し、生成を任意の将来の時間点に転送することができる。本研究では,遷移フローを直接学習する新しいパラダイムを提案する。グローバルな量として、遷移フローは、単一ステップまたは任意の時間ポイントで生成を自然にサポートする。さらに,我々のアプローチと平均速度流の関連性を実証し,統一的な理論的視点を確立する。大規模な実験により,本手法の有効性が検証され,理論的な主張が裏付けられる。

関連論文リスト

Lagrangian Flow Matching: A Least-Action Framework for Principled Path Design [14.77320535984857]
フローマッチングは、所定の確率パスに関連する目標速度に対して回帰して神経速度場を訓練する。ラグランジアンフローマッチング(Lagrangian flow matching)は、一般ラグランジアンの動きを最小化して確率パスと速度場を決定する物理ベースのフレームワークである。
論文参考訳（メタデータ） (2026-05-14T21:05:03Z)
Eulerian Motion Guidance: Robust Image Animation via Bidirectional Geometric Consistency [74.90075313101933]
本稿では、より局所的な監視設計により、同じ光フロープリミティブを再考する。我々は隣接フレームのユーレアン運動場を用いて生成を誘導し、そこでは運動信号が常に短い時間ホップを記述する。隣接するフレーム生成に共通するドリフトアーティファクトを軽減するために,双方向幾何整合機構を導入する。
論文参考訳（メタデータ） (2026-05-07T13:53:31Z)
From Diffusion To Flow: Efficient Motion Generation In MotionGPT3 [0.0]
MotionGPT3は、学習された連続的な潜伏空間と、テキスト条件合成のための拡散に基づく先行空間を結合する。我々は、MotionGPT3フレームワーク内の拡散と修正フローの目的を比較した。実験により、整流流はより少ない訓練エポックに収束し、より早く強い試験性能に達し、拡散に基づく運動品質に適合または超えることを示した。
論文参考訳（メタデータ） (2026-03-23T09:44:07Z)
Categorical Flow Maps [42.309126712129384]
カテゴリーフローマップ(Categorical Flow Map)は, 自己蒸留による数段階のカテゴリーデータ生成を高速化するフローマッチング手法である。画像, 分子グラフ, テキストにおける最先端数ステップの結果を, 単一ステップ生成においても高い性能で達成する。
論文参考訳（メタデータ） (2026-02-12T18:10:46Z)
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)
On Exact Editing of Flow-Based Diffusion Models [97.0633397035926]
本研究では,フローベース編集を既知ソースによって駆動される分散変換問題として再構成する条件付き速度補正(CVC)を提案する。 CVCは、双対パースペクティブな速度変換機構を導入することにより、分配間変換における速度の役割を再考する。我々は,CVCが優れた忠実度,セマンティックアライメント,多種多様なタスクに対する信頼性の高い編集動作を一貫して達成していることを示す。
論文参考訳（メタデータ） (2025-12-30T06:29:20Z)
FlowMo: Variance-Based Flow Guidance for Coherent Motion in Video Generation [51.110607281391154]
FlowMoは、テキスト・ビデオ・モデルにおける動きコヒーレンスを高めるためのトレーニング不要のガイダンス手法である。時間次元のパッチワイドな分散を測定して動きのコヒーレンスを推定し、サンプリング中にこの分散を動的に減少させるためにモデルを導く。
論文参考訳（メタデータ） (2025-06-01T19:55:33Z)
On the Relation between Rectified Flows and Optimal Transport [6.493334597338973]
整流流マッチングは、学習した輸送経路を直線化し、分布間のより直接的な流れを生み出すことを目的としている。最近の主張は、学習速度場が勾配であるように制約された整流流が最適輸送問題への解をもたらすことを示唆している。本論文では, 従来の等価性を無効にするためのいくつかの反例を提示し, 整流の勾配制約を強制することは, 一般には, 最適輸送マップを計算するための信頼性の高い方法ではないと論じる。
論文参考訳（メタデータ） (2025-05-26T09:01:53Z)
Flow Matching: Markov Kernels, Stochastic Processes and Transport Plans [1.9766522384767222]
フローマッチング技術は、逆問題の解決に利用できる。逆問題の解法として,フローマッチングが有効であることを示す。本稿では,連続正規化フローとスコアマッチング手法について簡潔に述べる。
論文参考訳（メタデータ） (2025-01-28T10:28:17Z)
Consistency Flow Matching: Defining Straight Flows with Velocity Consistency [97.28511135503176]
本稿では,速度場の自己整合性を明示する新しいFM法であるConsistency Flow Matching(Consistency-FM)を紹介する。予備実験により、一貫性FMは、一貫性モデルよりも4.4倍速く収束することにより、トレーニング効率を著しく向上することが示された。
論文参考訳（メタデータ） (2024-07-02T16:15:37Z)
Optimal Flow Matching: Learning Straight Trajectories in Just One Step [89.37027530300617]
我々は,新しいtextbf Optimal Flow Matching (OFM) アプローチを開発し,理論的に正当化する。これは2次輸送のための直列のOT変位をFMの1ステップで回復することを可能にする。提案手法の主な考え方は,凸関数によってパラメータ化されるFMのベクトル場の利用である。
論文参考訳（メタデータ） (2024-03-19T19:44:54Z)

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。