論文の概要: Adaptive Video Distillation: Mitigating Oversaturation and Temporal Collapse in Few-Step Generation

• arxiv url: http://arxiv.org/abs/2603.21864v1
• Date: Mon, 23 Mar 2026 11:54:33 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-03-24 19:11:39.646029
• Title: Adaptive Video Distillation: Mitigating Oversaturation and Temporal Collapse in Few-Step Generation
• Title（参考訳）: アダプティブビデオ蒸留:フットステップ生成における過飽和とテンポラル崩壊の緩和
• Authors: Yuyang You, Yongzhi Li, Jiahui Li, Yadong Mu, Quan Chen, Peng Jiang,
• Abstract要約: 本稿では,ビデオ拡散モデルに適した新しい蒸留フレームワークを提案する。 その中核となる革新は,(1)空間監督重量を動的に調整し,過度な分布シフトに起因するアーティファクトを防止する適応回帰損失,(2)スムーズで物理的に妥当なサンプリング軌道を促進する時間正規化損失,(3)知覚的品質を維持しながらサンプリングオーバーヘッドを低減する推論時間枠戦略である。 VBench と VBench2 ベンチマークの実験およびアブレーション実験により,本手法は安定した数段階のビデオ合成を実現し,知覚的忠実度と運動リアリズムを著しく向上させることを示した。
• 参考スコア（独自算出の注目度）: 43.89162138967428
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Video generation has recently emerged as a central task in the field of generative AI. However, the substantial computational cost inherent in video synthesis makes model distillation a critical technique for efficient deployment. Despite its significance, there is a scarcity of methods specifically designed for video diffusion models. Prevailing approaches often directly adapt image distillation techniques, which frequently lead to artifacts such as oversaturation, temporal inconsistency, and mode collapse. To address these challenges, we propose a novel distillation framework tailored specifically for video diffusion models. Its core innovations include: (1) an adaptive regression loss that dynamically adjusts spatial supervision weights to prevent artifacts arising from excessive distribution shifts; (2) a temporal regularization loss to counteract temporal collapse, promoting smooth and physically plausible sampling trajectories; and (3) an inference-time frame interpolation strategy that reduces sampling overhead while preserving perceptual quality. Extensive experiments and ablation studies on the VBench and VBench2 benchmarks demonstrate that our method achieves stable few-step video synthesis, significantly enhancing perceptual fidelity and motion realism. It consistently outperforms existing distillation baselines across multiple metrics.
• Abstract（参考訳）: ビデオ生成は、最近、生成AIの分野における中心的なタスクとして登場した。 しかし、ビデオ合成に固有の計算コストは、モデルの蒸留を効率よく展開する上で重要な技術となっている。 その重要性にもかかわらず、ビデオ拡散モデルに特化して設計された手法は少ない。 一般的なアプローチは、しばしば画像蒸留技術を直接適用し、過飽和、時間的不整合、モード崩壊などのアーティファクトに繋がる。 これらの課題に対処するために,ビデオ拡散モデルに特化した新しい蒸留フレームワークを提案する。 その中核となる革新は,(1)過度な分布シフトに起因するアーティファクトを動的に調整する適応回帰損失,(2)時間的正規化損失による時間的崩壊の防止,滑らかで物理的に妥当なサンプリング軌道の促進,(3)知覚的品質を維持しながらサンプリングオーバーヘッドを低減する推論時間フレーム補間戦略である。 VBench と VBench2 ベンチマークの大規模な実験とアブレーション実験により,本手法は安定した数段ビデオ合成を実現し,知覚的忠実度と運動リアリズムを著しく向上させることを示した。 それは、既存の蒸留基準線を複数の指標で一貫して上回る。

関連論文リスト

• Streaming Autoregressive Video Generation via Diagonal Distillation [50.13573884115673]
  自己回帰モデルは、シーケンシャルフレーム合成のための自然なフレームワークを提供するが、高い忠実性を達成するためには重い計算を必要とする。 ビデオチャンクとデノイングステップの時間的情報を活用するために,ダイアゴナル蒸留を提案する。 本手法は,2.61秒(最大31FPS)で5秒ビデオを生成し,未蒸留モデル上で277.3倍のスピードアップを実現する。
  論文  参考訳（メタデータ） (2026-03-10T10:45:24Z)
• D$^2$-VR: Degradation-Robust and Distilled Video Restoration with Synergistic Optimization Strategy [7.553742541566094]
  時間的アライメントと拡散前処理の統合は ビデオ復元の 変革的パラダイムとして現れました 素晴らしい知覚の質を提供しています 単一画像拡散に基づく低ステップ推論によるビデオ再生フレームワークである textbfD$2$-VR を提案する。
  論文  参考訳（メタデータ） (2026-02-09T08:52:51Z)
• POSE: Phased One-Step Adversarial Equilibrium for Video Diffusion Models [18.761042377485367]
  POSE(Phased One-Step Equilibrium)は、大規模ビデオ拡散モデルのサンプリングステップを削減する蒸留フレームワークである。 PSEはVBench-I2V上の他の加速度法よりもセマンティックアライメント,時間的会議,フレーム品質が平均7.15%向上していることを示す。
  論文  参考訳（メタデータ） (2025-08-28T17:20:01Z)
• VDEGaussian: Video Diffusion Enhanced 4D Gaussian Splatting for Dynamic Urban Scenes Modeling [68.65587507038539]
  本稿では,動的都市景観モデリングのための拡散強調4次元ガウス平滑化フレームワークを提案する。 我々の重要な洞察は、テスト時間に適応したビデオ拡散モデルから頑健で時間的に一貫した事前情報を抽出することである。 提案手法は, 高速移動物体の動的モデリングを著しく向上させ, 2dBのPSNRゲインを近似的に達成する。
  論文  参考訳（メタデータ） (2025-08-04T07:24:05Z)
• Self Forcing: Bridging the Train-Test Gap in Autoregressive Video Diffusion [67.94300151774085]
  本稿では,自己回帰ビデオ拡散モデルのための新しい訓練パラダイムであるSelf Forcingを紹介する。 露光バイアスの長年の問題に対処し、地道的な文脈で訓練されたモデルは、自身の不完全な出力で条件付けられたシーケンスを生成する必要がある。
  論文  参考訳（メタデータ） (2025-06-09T17:59:55Z)

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。