論文の概要: VDE: Training-Free Accelerating Rectified Flow Model via Velocity Decomposition and Estimation
- arxiv url: http://arxiv.org/abs/2605.23381v1
- Date: Fri, 22 May 2026 08:50:10 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-05-25 17:29:20.269024
- Title: VDE: Training-Free Accelerating Rectified Flow Model via Velocity Decomposition and Estimation
- Title（参考訳）: VDE:速度分解と推定による学習自由加速流モデル
- Authors: Junwen Tan, Jinglin Liang, Hongyuan Chen, Shuangping Huang,
- Abstract要約: Velocity Decomposition and Estimation (VDE) は、キャッシング・アンド・リユースからデコンポーティング・アンド・見積へパラダイムをシフトさせる、トレーニング不要な加速法である。
VDEはモデルの速度をコンポーネントと入力に並列に分解し、その時間的予測可能性と方向安定性を利用して正確な入力適応推定を行う。
画像および映像生成タスクの実験は、VDEが視覚的品質の損失を最小限に抑えながら、かなりの加速を達成することを示した。
- 参考スコア（独自算出の注目度）: 8.316969785282303
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Though rectified flow models have achieved remarkable performance in image, video, and 3D generation, their practical deployments are challenged by slow inference speeds. Prior acceleration methods reuse cached features from previous steps, which neglects the growing mismatch between static caches and the evolving input, leading to reduced output fidelity. This work proposes Velocity Decomposition and Estimation (VDE), a training-free acceleration method that shifts the paradigm from caching-and-reusing to decomposing-and-estimating. Specifically, VDE decomposes the model's velocity into components parallel and orthogonal to the input, exploiting their temporal predictability and directional stability for precise, input-adaptive estimation. To prevent error accumulation, it periodically anchors the model's state via full forward passes. Extensive experiments on image and video generation tasks demonstrate that VDE achieves substantial acceleration with minimal loss in visual quality. Notably, VDE accelerates Flux by 3.22 times and achieves an LPIPS of 0.069 on Qwen-Image, outperforming the best baseline with a 52.2% reduction.
- Abstract（参考訳）: 補正フローモデルは、画像、ビデオ、および3D生成において顕著な性能を達成しているが、それらの実践的な展開は、推論速度の遅さによって挑戦されている。
以前のアクセラレーションメソッドは、静的キャッシュと進化するインプットのミスマッチを無視する前のステップからキャッシュされた機能を再利用し、出力の忠実度を低下させる。
本研究では,キャッシング・アンド・リユースからデコンポーティング・アンド・見積へパラダイムをシフトさせる,トレーニング不要な加速法であるベロシティ分解・推定(VDE)を提案する。
具体的には、VDEはモデルの速度を入力に平行で直交するコンポーネントに分解し、その時間的予測可能性と方向安定性を利用して正確な入力適応推定を行う。
エラーの蓄積を防止するため、フルフォワードパスを介して定期的にモデルの状態をアンカーする。
画像およびビデオ生成タスクに関する大規模な実験により、VDEは視覚的品質の損失を最小限に抑えながら、相当な加速を達成することが示された。
特に、VDEはFluxを3.22倍加速し、Qwen-Image上で0.069のLPIPSを達成する。
関連論文リスト
- Accelerating Rectified Flow Models via Trajectory-Aware Caching [35.13071059415995]
我々は,スキップ・then-compensateパラダイムに従って,トレーニング不要なアクセラレーションフレームワークであるTACacheを提案する。
Trajectory-Aware Cacheは、テキスト・ツー・イメージ・ジェネレーションで最大4.14スピードアップ、テキスト・ツー・ビデオ・ジェネレーションで2.11スピードアップを達成する。
論文 参考訳（メタデータ） (2026-05-16T03:44:58Z) - Differentiable Vector Quantization for Rate-Distortion Optimization of Generative Image Compression [53.041405703471895]
低ビットレート画像圧縮のためのエンドツーエンドRD最適化を実現する統一フレームワークRDVQを提案する。
我々は,正確なエントロピーモデリングとテスト時間率制御をサポートする自己回帰エントロピーモデルを開発した。
RD2K-valと比較すると、RDVQは DisTSで75.71%、DIV2K-valでLPIPSで37.63%減少する。
論文 参考訳（メタデータ） (2026-04-12T09:25:24Z) - $D^3$-RSMDE: 40$\times$ Faster and High-Fidelity Remote Sensing Monocular Depth Estimation [72.9912717963138]
リモートセンシング画像からのリアルタイムで高忠実な単眼深度推定は、多くのアプリケーションにとって不可欠である。
視覚変換器(ViT)のバックボーンを高密度な予測に使用するのは速いが、知覚品質は低いことが多い。
リモートセンシング単眼深度推定のための深度詳細拡散法(D3$-RSMDE)を提案する。
D3$-RSMDEは、Learninged Perceptual Image Patch similarity (LPIPS)の知覚距離を11.85%削減する。
論文 参考訳（メタデータ） (2026-03-17T10:50:36Z) - Adaptive Visual Autoregressive Acceleration via Dual-Linkage Entropy Analysis [50.48301331112126]
我々は,Visual AutoRegressive モデリングのためのトレーニング不要なトークン削減促進フレームワーク NOVA を提案する。
NOVAは、スケールエントロピー成長の屈折点をオンライン同定することにより、推論中のアクティベーションアクティベーションスケールを適応的に決定する。
実験と解析により、NOVAはシンプルで効果的なトレーニングフリー加速フレームワークとして評価される。
論文 参考訳（メタデータ） (2026-02-01T17:29:42Z) - Fast3Dcache: Training-free 3D Geometry Synthesis Acceleration [16.87269278147738]
我々は3次元拡散推論のためのトレーニング不要な幾何認識キャッシュフレームワークであるFast3Dcacheを提案する。
提案手法は最大27.12%のスピードアップと54.8%のFLOPの削減を実現し,チャンファー距離 (2.48%) とFスコア (1.95%) で測定された幾何学的品質の低下を最小限に抑えた。
論文 参考訳（メタデータ） (2025-11-27T15:13:32Z) - Few-step Flow for 3D Generation via Marginal-Data Transport Distillation [104.76254102015794]
数段階の3次元流体蒸留のための新しいフレームワーク MDT-dist を提案する。
我々のアプローチは、事前訓練されたモデルを蒸留して、Marginal-Data Transportを学習する、という第一の目的に基づいて構築されている。
提案手法は,A800におけるA800の9.0倍,6.5倍の速度で0.68s (1 Step x2) と0.94s (2 Step x2) のレイテンシを実現するため,各流れトランスのサンプリングステップを25から2に短縮する。
論文 参考訳（メタデータ） (2025-09-04T17:24:31Z) - A-FloPS: Accelerating Diffusion Sampling with Adaptive Flow Path Sampler [21.134678093577193]
A-FloPSは、フローベースの生成モデルのための原則化された、トレーニング不要のフレームワークである。
A-FloPSは, 試料品質と効率の両面において, 最先端のトレーニング不要サンプリング器より一貫して優れていることを示す。
5ドルの関数評価で、A-FloPSはFIDを大幅に低くし、よりシャープでコヒーレントな画像を生成する。
論文 参考訳（メタデータ） (2025-08-22T13:28:16Z) - Forecast then Calibrate: Feature Caching as ODE for Efficient Diffusion Transformers [19.107716099809707]
拡散変換器(DiT)は高忠実度画像とビデオ生成において例外的な性能を示した。
現在の方法は、しばしば高い加速比で生成品質を維持するのに苦労する。
本稿では,機能キャッシングを機能-ODE問題として扱うFoCaを提案する。
論文 参考訳（メタデータ） (2025-08-22T08:34:03Z) - Machine Learning Accelerated PDE Backstepping Observers [56.65019598237507]
学習に基づくアプローチを用いてPDEオブザーバ計算を高速化するフレームワークを提案する。
我々は、最近開発されたフーリエニューラル演算子(FNO)を用いて、初期観測状態から状態推定への関数マッピングを学習する。
アプリケーションによって動機付けられた3つのベンチマークPDE例の状態推定について検討する。
論文 参考訳（メタデータ） (2022-11-28T04:06:43Z) - StreamYOLO: Real-time Object Detection for Streaming Perception [84.2559631820007]
将来を予測する能力を備えたモデルを提供し、ストリーミング知覚の結果を大幅に改善する。
本稿では,複数の速度を駆動するシーンについて考察し,VasAP(Velocity-Awared streaming AP)を提案する。
本手法は,Argoverse-HDデータセットの最先端性能を実現し,SAPとVsAPをそれぞれ4.7%,VsAPを8.2%改善する。
論文 参考訳（メタデータ） (2022-07-21T12:03:02Z)
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。