論文の概要: FREPix: Frequency-Heterogeneous Flow Matching for Pixel-Space Image Generation

• arxiv url: http://arxiv.org/abs/2605.06421v1
• Date: Thu, 07 May 2026 15:27:46 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-05-08 22:27:11.940075
• Title: FREPix: Frequency-Heterogeneous Flow Matching for Pixel-Space Image Generation
• Title（参考訳）: FREPix: 画素空間画像生成のための周波数ヘテロジニアスフローマッチング
• Authors: Mingfeng Lin, Jiakun Chen, Liang Han, Liqiang Nie,
• Abstract要約: FREPixは、Pixel空間画像生成のためのフローマッチングフレームワークである。 生成を低周波成分と高周波成分に分解し、別々の輸送経路を割り当て、分解されたネットワークでそれらを予測し、周波数対応の目的でそれらを訓練する。 ImageNetのクラス・ツー・イメージ・ジェネレーションにおいて、FREPixはピクセル・スペース・ジェネレーション・モデル間の競争的な結果を達成し、256times256$で1.91 FID、512times512$で2.38 FIDに達した。
• 参考スコア（独自算出の注目度）: 47.5219068441524
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Pixel-space diffusion has re-emerged as a promising alternative to latent-space generation because it avoids the representation bottleneck introduced by VAEs. Yet most existing methods still treat image generation as a frequency-homogeneous process, overlooking the distinct roles and learning dynamics of low- and high-frequency components. To address this, we propose FREPix, a FREquency-heterogeneous flow matching framework for Pixel-space image generation. FREPix explicitly decomposes generation into low- and high-frequency components, assigns them separate transport paths, predicts them with a factorized network, and trains them with a frequency-aware objective. In this way, coarse-to-fine generation becomes an explicit design principle rather than an implicit behavior. On ImageNet class-to-image generation, FREPix achieves competitive results among pixel-space generation models, reaching 1.91 FID at $256\times256$ and 2.38 FID at $512\times512$, with particularly strong behavior in the low-NFE regime.
• Abstract（参考訳）: 画素空間拡散は、VAEが導入した表現ボトルネックを避けるため、潜在空間生成に代わる有望な代替手段として再燃している。 しかし、既存のほとんどの手法は、画像生成を周波数均質なプロセスとして扱い、低周波成分と高周波成分の異なる役割と学習のダイナミクスを見下ろしている。 これを解決するために,FREPixを提案する。FREquency-heterogeneous Flow matching framework for Pixel-space image generation。 FREPixは、生成を低周波成分と高周波成分に明示的に分解し、別々の輸送経路を割り当て、分解されたネットワークでそれらを予測し、周波数対応の目的でそれらを訓練する。 このようにして、粗大な生成は暗黙の振る舞いではなく、明示的な設計原則となる。 ImageNetのクラス・ツー・イメージ・ジェネレーションでは、FREPixはピクセル・スペース・ジェネレーション・モデル間の競争的な結果を達成し、256\times256$で1.91 FID、512\times512$で2.38 FIDに達した。

関連論文リスト

• PixelGen: Pixel Diffusion Beats Latent Diffusion with Perceptual Loss [47.868429337792314]
  知覚的監視機能を備えたシンプルなピクセル拡散フレームワークであるPixelGenを提案する。 フルイメージ多様体をモデル化する代わりに、PixelGenは2つの補完的な知覚的損失を導入した。 LPIPSの損失は、より優れた局所パターンの学習を促進する一方、DINOベースの知覚的損失は、グローバルな意味論を強化する。
  論文  参考訳（メタデータ） (2026-02-02T18:59:42Z)
• One-step Latent-free Image Generation with Pixel Mean Flows [22.294629970410508]
  ネットワーク出力空間と損失空間を別々に定式化する「ピクセル平均フロー」(pMF)を提案する。 pMFは、256x256解像度 (2.22 FID) と512x512解像度 (2.48 FID) でImageNet上の1ステップの潜時生成の強力な結果を得る
  論文  参考訳（メタデータ） (2026-01-29T18:59:56Z)
• DeCo: Frequency-Decoupled Pixel Diffusion for End-to-End Image Generation [93.6273078684831]
  より効率的な画素拡散パラダイムを追求するために,周波数デカップリング方式の画素拡散フレームワークを提案する。 高速・低周波成分の生成を分離する直感によって, セマンティックガイダンスに基づく高周波細部を生成するために, 軽量画素デコーダを利用する。 実験の結果,DeCoは1.62 (256x256) と2.22 (512x512) の FID を実現した。
  論文  参考訳（メタデータ） (2025-11-24T17:59:06Z)
• Freqformer: Image-Demoiréing Transformer via Efficient Frequency Decomposition [83.40450475728792]
  本稿では,Freqformerについて述べる。Freqformerは,ターゲット周波数分離による画像復号化に特化して設計されたトランスフォーマーベースのフレームワークである。 本手法は,モワールパターンを高周波数空間局在化テクスチャと低周波数スケールローバスト色歪みに明確に分割する有効な周波数分解を行う。 様々なデモアのベンチマーク実験により、Freqformerは、コンパクトなモデルサイズで最先端のパフォーマンスを達成することを示した。
  論文  参考訳（メタデータ） (2025-05-25T12:23:10Z)
• NFIG: Multi-Scale Autoregressive Image Generation via Frequency Ordering [47.442844594442455]
  NextFrequency Image Generation (NFIG)は、画像生成プロセスを複数の周波数誘導段階に分解する新しいフレームワークである。 NFIGは生成過程を自然な画像構造と整合させる。 これは最初に低周波成分を生成し、トークンを著しく少なくして効率的にグローバル構造を捉え、その後、徐々に高周波の細部を付加することで実現している。
  論文  参考訳（メタデータ） (2025-03-10T08:59:10Z)
• StreamDiffusion: A Pipeline-level Solution for Real-time Interactive Generation [52.56469577812338]
  本稿では,インタラクティブな画像生成のためのリアルタイム拡散パイプラインStreamDiffusionを紹介する。 既存の拡散モデルは、テキストや画像プロンプトから画像を作成するのに適しているが、リアルタイムのインタラクションでは不足することが多い。 本稿では,従来のシーケンシャル・デノナイジングをデノナイジング・プロセスに変換する新しいアプローチを提案する。
  論文  参考訳（メタデータ） (2023-12-19T18:18:33Z)
• F2GAN: Fusing-and-Filling GAN for Few-shot Image Generation [30.58721337843086]
  本稿ではF2GAN(Fusing-and-Filling Generative Adrial Network)を提案する。 我々の判別器は、損失を求めるモードと逆回帰損失を求めるモードにより、生成画像の多様性を確保することができる。
  論文  参考訳（メタデータ） (2020-08-05T08:47:42Z)

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。