論文の概要: Cross-scale Aligned Supervision for Training GANs

• arxiv url: http://arxiv.org/abs/2605.26449v1
• Date: Tue, 26 May 2026 02:01:11 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-05-27 17:51:41.571182
• Title: Cross-scale Aligned Supervision for Training GANs
• Title（参考訳）: GAN訓練用クロススケールアライメント・スーパービジョン
• Abstract要約: 我々は、標準的なスケールワイド敵監督が適切な粗大な階層を構築していないことを論じる。 マルチスケール逆数生成のためのクロススケールアライメント変換器であるCATを提案する。
• 参考スコア（独自算出の注目度）: 41.13613492946196
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Modern GANs often introduce adversarial supervision on intermediate generator outputs and interpret the resulting multi-stage synthesis as coarse-to-fine hierarchical generation. In this work, we challenge this interpretation. We argue that standard scale-wise adversarial supervision does not construct a proper coarse-to-fine hierarchy: each intermediate image is independently pushed toward the real distribution at its own resolution, but this scale-wise realism does not ensure that outputs across stages represent the identical generated sample. Moreover, the scale-specific image produced at each stage is not used as an explicit refinement target for the subsequent stage. Therefore, its adversarial loss can improve a scale-specific output without constraining later stages to preserve the same sample trajectory, allowing them to move toward a different sample rather than refine the previous output. We refer to this problem as a cross-scale trajectory misalignment problem. To resolve it, we propose CAT, a Cross-scale Aligned Transformer for multi-scale adversarial generation. CAT keeps the discriminator scale-wise, so each intermediate output is evaluated at its own resolution, while adding a simple generator-side consistency regularization that aligns intermediate outputs with the final output. On class-conditional ImageNet-256, CAT-H/2 achieves an FID-50K of 1.56 with one-step inference after only 60 training epochs, outperforming strong one-step GAN and diffusion/flow baselines.
• Abstract（参考訳）: 現代のGANは、中間ジェネレータ出力に対する逆の監督を導入し、結果として生じる多段階合成を粗大な階層生成として解釈する。 本稿ではこの解釈に挑戦する。 各中間画像は独立して実際の分布に向かって独自の解像度でプッシュされるが、このスケールワイド・リアリズムは、ステージ全体の出力が同じ生成されたサンプルを表すことを保証しない。 さらに、各ステージで生成されたスケール固有の画像は、その後のステージの明示的な精細化ターゲットには使用されない。 したがって、逆方向の損失は、後段を制約することなくスケール特異的な出力を向上し、同じサンプル軌道を保ち、以前の出力を洗練するのではなく、別のサンプルに向かって移動することができる。 この問題を、クロススケールな軌道不整合問題とみなす。 そこで本研究では,マルチスケール逆数生成のためのクロススケールアラインドトランスであるCATを提案する。 CATは判別器をスケール的に維持するため、各中間出力は独自の解像度で評価され、中間出力と最終出力を整列する単純なジェネレータ側整合正則化が加えられる。 クラス条件のImageNet-256では、CAT-H/2はFID-50Kが1.56であり、60のトレーニングエポック後に1ステップの推論を行い、強力な1ステップのGANと拡散/フローベースラインを上回っている。

関連論文リスト

• Where Does Generative Difficulty Reside? An Empirical Study of Target Representations [62.54876287800644]
  ターゲット表現は、イメージジェネレータが学ぶ必要がある分布を定義するが、しばしば交換可能なインターフェースとして扱われる。 マスク付き自己回帰整流モデルにおいて,生画素,SD-VAE潜伏剤,DINOv2,MAE表現-オートエンコーダの特徴について検討した。 その結果, 圧縮, 再構成忠実度, トークン次元, 可視的セマンティッククラスタリングは生成挙動を個別に予測できないことがわかった。
  論文  参考訳（メタデータ） (2026-08-01T12:32:31Z)
• Beyond Token-Level Cross-Entropy: Fréchet Distributional Post-Training for Autoregressive Image Generation [20.360043829037306]
  FD-lossポストトレーニングは、表現空間フレシェ距離を唯一の目的とする事前訓練された離散ジェネレータに適応する。 クラス条件のImageNet上の4つのジェネレータファミリーから、256times256$で完了した8つの構成で、FD-lossポストトレーニングはFIDと$mathrmFD_r6$を平均41.4%、そして52.0%削減する。
  論文  参考訳（メタデータ） (2026-08-01T10:00:42Z)
• Vertical Fusion: Condensing Internal Representations for Robust ViT Classification [6.689602064496207]
  回復可能性の概念は、中間表現のキャパシティが最終層障害を正すためのものである。 16個のデータセットにまたがるモデル深度毎に独立した分類プローブを評価することにより、中間プローブは最終層プローブが誤分類したサンプルの18～76%を正しく分類する。 これらの利得は、主に予測多様性ではなく、冗長性-正確性対応によって引き起こされることを示す。
  論文  参考訳（メタデータ） (2026-07-11T16:44:25Z)
• Closed-Form Spectral Regularization for Multi-Task Model Merging [96.82449201305234]
  モデルマージは、個別に調整された複数の専門家をトレーニングデータなしで単一のマルチタスクモデルに結合する。 State-of-the-art merging method formulate merging as a layer-wise interference problem。 本稿では,逐次降下の勾配-流路に一致するソフト指数フィルタを組み合わせた閉形式手法SWUDIを提案する。
  論文  参考訳（メタデータ） (2026-06-05T14:00:47Z)
• In-Context Graphical Inference [9.39195684989942]
  正確な推論を正すシーケンシャルな消去構造を復元する自動回帰グラフ変換器を導入する。 TT圧縮誤差は, 自己回帰連鎖を通じてほとんどリンカリーに伝播し, ディリクレ・マルティノミカル損失は適切なスコアリング則であり, WCPは推定密度比で定量劣化した範囲を維持していることを証明した。
  論文  参考訳（メタデータ） (2026-06-03T16:04:00Z)
• Disentangling Generation and Regression in Stochastic Interpolants for Controllable Image Restoration [30.480465453951982]
  DiSIは、Interpolantプロセスを独立した生成および回帰コンポーネントに分離する統合フレームワークである。 本研究では,DiSIが画像復元タスクにおいて効率よく競合する結果を得ると同時に,単一モデル内での歪み知覚トレードオフを制御するための予測時間の柔軟性を独自に提供することを示す。
  論文  参考訳（メタデータ） (2026-05-20T16:41:32Z)
• Posterior Augmented Flow Matching [64.1559809786948]
  後拡張フローマッチング(PAFM)はフローマッチング(FM)の一般化である PAFMは、異なるモデルスケールで最大3.4FID50KでFMよりも改善されていることを示す。
  論文  参考訳（メタデータ） (2026-05-01T17:59:59Z)
• Guiding a Diffusion Transformer with the Internal Dynamics of Itself [29.825583753955485]
  内部ガイダンス(IG)は、各種ベースラインにおけるトレーニング効率と生成品質の両方に大きな改善をもたらす。 ImageNet 256x256では、SiT-XL/2+IGはFID=5.31とFID=1.75を80と800のエポックで達成している。 LightningDiT-XL/1+IGでは、LightningDiT-XL/1+IGはFID=1.34を達成する。
  論文  参考訳（メタデータ） (2025-12-30T12:16:46Z)
• Scaling Up AI-Generated Image Detection via Generator-Aware Prototypes [15.99138549265524]
  GAPL(Generator-Aware Prototype Learning)は、構造化学習パラダイムで表現を制約するフレームワークである。 GAPLは最先端の性能を達成し、多様なGANおよび拡散型ジェネレータにおいて優れた検出精度を示す。
  論文  参考訳（メタデータ） (2025-12-15T04:58:08Z)
• Multi-scale Image Super Resolution with a Single Auto-Regressive Model [40.77470215283583]
  視覚的自己回帰(VAR)モデリングの最近の進歩を利用して、画像超解像(ISR)に取り組む。 我々の知る限りでは、量子化器が様々なスケールで意味的に一貫した残留を強制するために訓練されたのはこれが初めてである。 本モデルでは, LR画像と超解像を, 1回の前方通過で, 目標値の半値と全値でデノマイズすることができる。
  論文  参考訳（メタデータ） (2025-06-05T13:02:23Z)
• Few-Step Diffusion via Score identity Distillation [67.07985339442703]
  拡散蒸留は, テキスト・ツー・イメージ(T2I)拡散モデルを促進するための有望な戦略として浮上している。 既存の方法は、高分解能T2I拡散モデルを蒸留する際に、実像や教師合成画像に頼っている。 教師のCFGを無効にし、偽スコアネットワークでテキストコンディショニングを除去するZero-CFGと、偽スコアネットワークで否定的なCFGを適用するAnti-CFGの2つの新しいガイダンス戦略を提案する。
  論文  参考訳（メタデータ） (2025-05-19T03:45:16Z)
• Dual-scale Enhanced and Cross-generative Consistency Learning for Semi-supervised Medical Image Segmentation [49.57907601086494]
  医用画像のセグメンテーションはコンピュータ支援診断において重要な役割を担っている。 半教師型医用画像(DEC-Seg)のための新しいDual-scale Enhanced and Cross-generative consistency learning frameworkを提案する。
  論文  参考訳（メタデータ） (2023-12-26T12:56:31Z)
• Diffusion for Natural Image Matting [88.58577778234036]
  DiffMatteは、画像マッチングの課題を克服するために設計されたソリューションである。 まず、DiffMatteはデコーダを複雑な結合されたマッティングネットワーク設計から切り離し、拡散プロセスのイテレーションで1つの軽量デコーダだけを含む。 第2に、均一な時間間隔を持つ自己整合トレーニング戦略を採用し、時間領域全体にわたるトレーニングと推論の間に一貫したノイズサンプリングを確保する。
  論文  参考訳（メタデータ） (2023-12-10T15:28:56Z)

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。