論文の概要: Divergence-Suppressing Couplings for Rectified Flow

• arxiv url: http://arxiv.org/abs/2605.17733v1
• Date: Mon, 18 May 2026 01:34:47 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-05-19 17:57:48.50416
• Title: Divergence-Suppressing Couplings for Rectified Flow
• Title（参考訳）: 矩形流に対するダイバージェンス抑制結合
• Abstract要約: Rectified Flowでは、ベースフローモデルによって生成された軌跡が屈曲してインタートワインとなり、結果として得られる結合がこの歪みを継承する。 本稿では,学習速度の発散成分を減衰させるオフライン補正法であるRectified Flowの発散抑制結合を提案する。 このオフライン修正は、2D合成ベンチマークと画像生成に一貫した改善をもたらす。
• 参考スコア（独自算出の注目度）: 22.51828421737954
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: The promise of Rectified Flow rests on producing self-generated couplings whose trajectories are straight, or nearly so. In practice, trajectories generated by the base flow model can bend and intertwine, and the resulting coupling inherits this distortion. In this paper, we identify that such trajectory entanglement is often associated with regions of nonzero divergence in the learned velocity field, where local expansion or contraction distorts trajectories and steers particles away from their ideal endpoints. We then propose divergence-suppressing couplings for Rectified Flow, an offline correction that attenuate the divergent component of the learned velocity during coupling generation. The correction is paid only once per coupling pair and amortized over training, so deployment runs plain Euler at identical wall-clock cost to standard Rectified Flow. Empirically, this offline modification yields consistent improvements on 2D synthetic benchmarks and on image generation.
• Abstract（参考訳）: Rectified Flowの約束は、軌道が直線である、あるいはほぼそうである自己生成結合を生成することにある。 実際には、ベースフローモデルによって生成された軌道は屈曲して絡み合うことができ、結果として得られる結合はこの歪みを継承する。 本稿では,これらの軌道の絡み合いが,学習速度場における非ゼロなばらつきの領域とよく関連していることを示す。 そこで我々は,結合生成時の学習速度の発散成分を減衰させるオフライン補正法であるRectified Flowの発散抑制結合を提案する。 調整はカップリングペアあたり1回だけ行われ、トレーニング中に償却されるため、通常のリクティファイドフローと同じ壁時計コストで平易なオイラーを配置する。 このオフライン修正は、2D合成ベンチマークと画像生成に一貫した改善をもたらす。

関連論文リスト

• Limit Points of Reflow with Minibatch Optimal Transport [5.12067518301035]
  整流流は、2つの確率分布の間の確率曲線を操る時間依存ベクトル場を学習する生成モデルである。 この反復の挙動を研究し、その極限点を特徴づける。 そのような$N$環状モノトンカップリングは、可逆性や直線性などの構造的および安定性の良好な性質を享受する。
  論文  参考訳（メタデータ） (2026-08-07T09:51:33Z)
• UniCycleFlow: Bidirectional Unpaired Image Translation with a Shared Rectified Flow [14.60117153247222]
  双方向不対画像変換は, 両方向のコヒーレントな変換をペアの監督なしに学習しながら, ソース固有の構造を保たなければならない。 単時間条件の速度場の前方逆積分として双方向翻訳を表現した整流フローフレームワークUniCycleFlowを提案する。
  論文  参考訳（メタデータ） (2026-08-07T04:05:04Z)
• Probability-Conserving Flow Guidance [49.03107678763765]
  Adaptive Manifold Guidance (AdaMaG)はリアリズムを改善し、幻覚を減らし、高誘導下での劣化を制御する。 画像生成ベンチマーク全体で、AdaMaGはリアリズムを改善し、幻覚を減らし、高誘導下での劣化を制御する。
  論文  参考訳（メタデータ） (2026-05-19T16:34:01Z)
• 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)
• Classical counterparts of shortcuts to adiabaticity in nonlinear dissipative Lagrangian systems [3.479150231916641]
  古典的非線形散逸的ラグランジアン系において、同じ考えがどのように実装できるかを示す。 結合された$r$-$$マニピュレータを図形モデルとして、レイリー散逸を伴うオイラー・ラグランジュ方程式上で逆エンジニアリングを行う。 また、スムーズなSTAプロトコルをアクチュエータ境界時間最適解と比例積分微分追跡と比較する。
  論文  参考訳（メタデータ） (2026-04-20T15:56:51Z)
• ArcFlow: Unleashing 2-Step Text-to-Image Generation via High-Precision Non-Linear Flow Distillation [87.54456066636811]
  拡散モデルは、シーケンシャルなデノナイジングステップに依存するため、かなりの推論コストに悩まされる。 ArcFlowは数段階の蒸留フレームワークであり、事前訓練された教師の軌跡を近似するために、非線形フロー軌跡を明示的に用いている。 2つのNFEで40倍のスピードアップを実現している。
  論文  参考訳（メタデータ） (2026-02-09T18:56:14Z)
• 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)
• Temporal Pair Consistency for Variance-Reduced Flow Matching [13.328987133593154]
  TPC(Temporal Pair Consistency)は、同じ確率経路に沿ってペア化された時間ステップで速度予測を結合する軽量な分散還元原理である。 フローマッチング内で確立されたTPCは、複数の解像度でCIFAR-10とImageNetのサンプル品質と効率を改善する。
  論文  参考訳（メタデータ） (2026-02-04T00:05:21Z)
• 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)
• SCoT: Unifying Consistency Models and Rectified Flows via Straight-Consistent Trajectories [31.60548236936739]
  本研究では,事前学習した拡散モデルに対する直線一貫性軌道(SCoT)モデルを提案する。 SCoTは、高速サンプリングのための両方のアプローチの利点を享受し、一貫した特性と直線的な性質のトラジェクトリを同時に生成する。
  論文  参考訳（メタデータ） (2025-02-24T08:57:19Z)
• Rectified Diffusion: Straightness Is Not Your Need in Rectified Flow [65.51671121528858]
  拡散モデルは、視覚生成を大幅に改善したが、生成ODEを解くという計算集約的な性質のため、生成速度の遅さによって妨げられている。 広く認識されている解である整流流は、ODEパスを直線化することで生成速度を向上させる。 本稿では,より広範な拡散モデルのカテゴリをカバーするために,設計空間と修正の応用範囲を一般化するRectified Diffusionを提案する。
  論文  参考訳（メタデータ） (2024-10-09T17:43:38Z)
• 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。

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。