論文の概要: Denoising, Fast and Slow: Difficulty-Aware Adaptive Sampling for Image Generation

• arxiv url: http://arxiv.org/abs/2604.19141v1
• Date: Tue, 21 Apr 2026 06:44:44 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-04-22 22:41:49.655512
• Title: Denoising, Fast and Slow: Difficulty-Aware Adaptive Sampling for Image Generation
• Title（参考訳）: 高速かつ低速なデノイング:画像生成のための難易度適応サンプリング
• Authors: Johannes Schusterbauer, Ming Gui, Yusong Li, Pingchuan Ma, Felix Krause, Björn Ommer,
• Abstract要約: 拡散とフローベースのモデルは通常、空間にわたって計算を均一に割り当てる。 一部の地域は軽蔑し易いが、他の地域はより洗練や追加の文脈の恩恵を受ける。 画像合成のためのパッチレベルのノイズ尺度について検討する。
• 参考スコア（独自算出の注目度）: 22.05381528577716
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Diffusion- and flow-based models usually allocate compute uniformly across space, updating all patches with the same timestep and number of function evaluations. While convenient, this ignores the heterogeneity of natural images: some regions are easy to denoise, whereas others benefit from more refinement or additional context. Motivated by this, we explore patch-level noise scales for image synthesis. We find that naively varying timesteps across image tokens performs poorly, as it exposes the model to overly informative training states that do not occur at inference. We therefore introduce a timestep sampler that explicitly controls the maximum patch-level information available during training, and show that moving from global to patch-level timesteps already improves image generation over standard baselines. By further augmenting the model with a lightweight per-patch difficulty head, we enable adaptive samplers that allocate compute dynamically where it is most needed. Combined with noise levels varying over both space and diffusion time, this yields Patch Forcing (PF), a framework that advances easier regions earlier so they can provide context for harder ones. PF achieves superior results on class-conditional ImageNet, remains orthogonal to representation alignment and guidance methods, and scales to text-to-image synthesis. Our results suggest that patch-level denoising schedules provide a promising foundation for adaptive image generation.
• Abstract（参考訳）: 拡散とフローベースのモデルは通常、空間全体にわたって計算を均一に割り当て、すべてのパッチを同じ時間ステップと関数の評価数で更新する。 便利ではあるが、これは自然画像の不均一性を無視している。一部の領域は軽視しやすいが、他の領域はより洗練や追加のコンテキストの恩恵を受ける。 そこで我々は,画像合成のためのパッチレベルのノイズ尺度について検討する。 画像トークン間の経時変化は、推論時に起こらない過度に情報的訓練状態にモデルを公開するため、性能が低いことが判明した。 したがって,トレーニング中に利用可能な最大パッチレベル情報を明示的に制御するタイムステップサンプリングを導入し,グローバルからパッチレベルのタイムステップに移行することで,標準ベースラインよりも画像生成が改善されていることを示す。 軽量なパッチ単位の難易度ヘッドでモデルをさらに強化することにより、最も必要な場所で動的に計算を割り当てる適応型サンプリングを実現できる。 空間と拡散時間の両方で異なるノイズレベルと組み合わせることで、より容易な領域を早く前進させるフレームワークであるPatch Forcing(PF)が得られる。 PFは、クラス条件のImageNetにおいて優れた結果を得るとともに、表現アライメントとガイダンスメソッドに直交し、テキストと画像の合成にスケールする。 以上の結果から,パッチレベルの記述スケジュールが適応画像生成に有望な基盤となることが示唆された。

関連論文リスト

• ImageRAGTurbo: Towards One-step Text-to-Image Generation with Retrieval-Augmented Diffusion Models [33.09645476860831]
  本稿では,画像RAGTurboを提案する。 テキストプロンプトが与えられた場合、関連するテキストイメージペアをデータベースから取得し、それらを生成プロセスの条件付けに使用する。 実験の結果,提案手法は既存の手法と比較して遅延を伴わずに高忠実度画像を生成することがわかった。
  論文  参考訳（メタデータ） (2026-02-13T05:59:57Z)
• TTSnap: Test-Time Scaling of Diffusion Models via Noise-Aware Pruning [53.52543819839442]
  テキスト・画像拡散モデルのテスト時間スケーリングに対する顕著なアプローチは、複数のノイズシードの探索として問題を定式化する。 ノイズ対応プルーニング(TTSnap)を用いたテスト時間スケーリングを提案する。
  論文  参考訳（メタデータ） (2025-11-27T09:14:26Z)
• LOTA: Bit-Planes Guided AI-Generated Image Detection [25.736743931612565]
  GANとDiffusionのモデルでは、AI生成画像と実際の画像との区別がより困難になる。 ノイズの多い画像生成を誘導する有効なビットプレーンを導入し、様々な画像正規化戦略を活用する。 本手法は, GAN から Diffusion への98.2% 以上, Diffusion から GAN への99.2% 以上の精度を実現する。
  論文  参考訳（メタデータ） (2025-10-16T02:12:49Z)
• Asynchronous Denoising Diffusion Models for Aligning Text-to-Image Generation [48.203403471536866]
  本稿では,異なる画素に異なるタイムステップを割り当て,画素単位の分解過程を再構成する新しいフレームワークを提案する。 実験により、非同期拡散モデルにより、多様なプロンプト間のテキスト・画像のアライメントが大幅に改善できることが実証された。
  論文  参考訳（メタデータ） (2025-10-06T05:45:56Z)
• Fast constrained sampling in pre-trained diffusion models [80.99262780028015]
  任意の制約下で高速で高品質な生成を可能にするアルゴリズムを提案する。 我々の手法は、最先端のトレーニングフリー推論手法に匹敵するか、超越した結果をもたらす。
  論文  参考訳（メタデータ） (2024-10-24T14:52:38Z)
• Differentiable Point-Based Radiance Fields for Efficient View Synthesis [57.56579501055479]
  本稿では,効率的な新規ビュー合成のための微分可能レンダリングアルゴリズムを提案する。 我々の手法は、トレーニングと推論の両方において、NeRFよりも最大300倍高速である。 ダイナミックなシーンでは,STNeRFよりも2桁早く,ほぼインタラクティブなレートでレンダリングを行う。
  論文  参考訳（メタデータ） (2022-05-28T04:36:13Z)

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。