論文の概要: One Pass Is Not Enough: Recursive Latent Refinement for Generative Models

• arxiv url: http://arxiv.org/abs/2605.15309v1
• Date: Thu, 14 May 2026 18:22:44 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-05-18 21:22:26.057074
• Title: One Pass Is Not Enough: Recursive Latent Refinement for Generative Models
• Title（参考訳）: 一つのパスが十分ではない: 生成モデルのための再帰的潜在リファインメント
• Authors: Mehdi Esmaeilzadeh, Alexia Jolicoeur-Martineau, Chirag Vashist, Ke Li,
• Abstract要約: 我々は、精度とリコールがFIDにとって不可欠な補完であると論じている。 スタイルベースジェネレータの単一パスラテントマッピングを反復的精錬プロセスで置き換えるRTMを導入する。 本稿では,RTMが現在の最先端手法の中で最高の精度とリコールを実現していることを示す。
• 参考スコア（独自算出の注目度）: 9.962560840358995
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Despite remarkable progress, image generation is far from solved. The dominant metric, FID, conflates sample fidelity with mode coverage and is close to being saturated. Yet a model can still exhibit mode collapse while achieving a low FID, since a handful of sharp, near-duplicate images can outscore a model that faithfully covers the full data distribution. We argue that precision and recall are essential complements to FID, and that because FID is already saturated, the more meaningful goal is to improve diversity and coverage. Achieving high recall requires a model that explicitly prioritizes mode coverage, unlike most generative models, which optimize sample fidelity. We introduce RTM, which replaces the single-pass latent mapping in style-based generators with an iterative refinement process, and show that this consistently improves both quality and diversity. Integrated with Implicit Maximum Likelihood Estimation (IMLE), which optimizes mode coverage by design, RTM achieves the highest precision and recall among current state-of-the-art approaches while maintaining competitive FID, with improvements across CIFAR-10, CelebA-HQ at 256x256, and nine few-shot benchmarks. RTM also improves StyleGAN2 and StyleGAN2-ADA on CIFAR-10 and AFHQ-v1 at 512x512, demonstrating that the benefit is not specific to IMLE. Unlike flow-matching baselines that achieve competitive FID at the expense of coverage, recursive refinement improves both quality and diversity simultaneously.
• Abstract（参考訳）: 目覚ましい進歩にもかかわらず、画像生成は解決には程遠い。 支配的な計量であるFIDは、試料の忠実度をモードカバレッジと混同し、飽和状態に近い。 しかし、一握りのシャープでほぼ重複した画像は、完全なデータ分布を忠実にカバーするモデルよりも優れているため、低いFIDを達成する間にモデルがモード崩壊を示すことができる。 我々は、精度とリコールがFIDにとって不可欠な補完であり、FIDはすでに飽和しているため、多様性とカバレッジを改善することがより有意義な目標であると主張している。 高いリコールを達成するには、サンプルの忠実度を最適化するほとんどの生成モデルとは異なり、モードカバレッジを明示的に優先順位付けするモデルが必要である。 スタイルベースジェネレータの単一パスラテントマッピングを反復的改良プロセスに置き換えたRTMを導入し,品質と多様性を継続的に改善することを示す。 設計によるモードカバレッジを最適化するImplicit Maximum Likelihood Estimation (IMLE)と統合されたRTMは、競合するFIDを維持しながら、現在の最先端のアプローチの中で最高の精度とリコールを実現している。 RTMはまた、CIFAR-10とAFHQ-v1のStyleGAN2とStyleGAN2-ADAを512x512で改善し、利点がIMLEに固有のものではないことを示した。 範囲を犠牲にして競争力のあるFIDを実現するフローマッチングベースラインとは異なり、再帰的改善は品質と多様性の両方を同時に改善する。

関連論文リスト

• Geometric Autoencoder for Diffusion Models [16.699694260098948]
  遅延拡散モデルは、高解像度の視覚生成において新しい最先端技術を確立した。 本稿では,意味的識別性,忠実性,コンパクト性を統一する原理的フレームワークであるGeometric Autoencoder (GAE)を提案する。 GAEはImageNet-1Kの256倍の256$ベンチマークで、80 epochsで1.82gFID、800 epochsで1.31gFIDに達した。
  論文  参考訳（メタデータ） (2026-03-11T03:29:16Z)
• Randomized Autoregressive Visual Generation [26.195148077398223]
  本稿では,視覚生成のためのランダム化自己回帰モデリング(RAR)を提案する。 RARは、言語モデリングフレームワークとの完全な互換性を維持しながら、画像生成タスクに最先端のパフォーマンスを新たに設定する。 ImageNet-256ベンチマークでは、RARはFIDスコアが1.48に達し、最先端の自己回帰画像生成装置に勝るだけでなく、拡散ベースおよびマスク付きトランスフォーマーベースの手法よりも優れている。
  論文  参考訳（メタデータ） (2024-11-01T17:59:58Z)
• Model Inversion Attacks Through Target-Specific Conditional Diffusion Models [54.69008212790426]
  モデル反転攻撃(MIA)は、ターゲット分類器のトレーニングセットからプライベートイメージを再構築することを目的としており、それによってAIアプリケーションにおけるプライバシー上の懸念が高まる。 従来のGANベースのMIAは、GANの固有の欠陥と潜伏空間における最適化の偏りにより、劣った遺伝子的忠実度に悩まされる傾向にある。 これらの問題を緩和するために拡散モデル反転(Diff-MI)攻撃を提案する。
  論文  参考訳（メタデータ） (2024-07-16T06:38:49Z)
• Consistency Trajectory Models: Learning Probability Flow ODE Trajectory of Diffusion [56.38386580040991]
  Consistency Trajectory Model (CTM) は Consistency Models (CM) の一般化である CTMは、対戦訓練とスコアマッチング損失を効果的に組み合わせることで、パフォーマンスを向上させる。 CMとは異なり、CTMのスコア関数へのアクセスは、確立された制御可能/条件生成メソッドの採用を合理化することができる。
  論文  参考訳（メタデータ） (2023-10-01T05:07:17Z)
• Precision-Recall Divergence Optimization for Generative Modeling with GANs and Normalizing Flows [54.050498411883495]
  本研究では,ジェネレーティブ・アドバイサル・ネットワークや正規化フローなどの生成モデルのための新しいトレーニング手法を開発した。 指定された精度-リコールトレードオフを達成することは、textitPR-divergencesと呼ぶ家族からのユニークな$f$-divergenceを最小化することを意味する。 当社のアプローチは,ImageNetなどのデータセットでテストした場合の精度とリコールの両面で,BigGANのような既存の最先端モデルの性能を向上させる。
  論文  参考訳（メタデータ） (2023-05-30T10:07:17Z)

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。