論文の概要: Coarse-to-Fine Compositional Diffusion for Long-Horizon Planning

• arxiv url: http://arxiv.org/abs/2606.00837v1
• Date: Sat, 30 May 2026 18:26:53 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-06-02 21:34:28.877042
• Title: Coarse-to-Fine Compositional Diffusion for Long-Horizon Planning
• Title（参考訳）: 長軸計画のための粗-重組成拡散
• Abstract要約: 既存の手法は局所的整合性信号を繰り返し伝播することによりグローバルコヒーレンスを改善する。 本研究では,大域的構造形成を局所的な細部微細化から分離する推論時間サンプリング器CoFiを提案する。 CoFiは, 従来の組成ベースラインよりも大域的コヒーレンスと局所的な試料品質を向上するだけでなく, 2-8倍のデノイザー評価を必要とする。
• 参考スコア（独自算出の注目度）: 37.38989133673186
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Diffusion models provide strong priors for generating structured data, but many tasks require outputs beyond the scale on which these models are typically trained. Compositional generation addresses this by composing overlapping local plans from a pretrained short-horizon prior into a long-horizon output. However, standard composition primarily enforces agreement between neighboring local plans, yielding local consistency without directly specifying the global structure of the full composition. As a result, locally compatible plans may still form an implausible route, task sequence, or temporal evolution. Existing methods improve global coherence by repeatedly propagating local consistency signals or by adding inference-time optimization, but these procedures become expensive as the number or dimensionality of local plans increases. We propose Coarse-to-Fine Compositional Diffusion (CoFi), an inference-time sampler that separates global structure formation from local detail refinement. CoFi first aligns local denoised estimates around a shared coarse structure, producing a global scaffold that captures the long-range task-level arrangement. It then diffuses this scaffold to an intermediate noise level and denoises it with the same pretrained local prior, restoring local fine structure while preserving the scaffold-induced global coherence. Across long-horizon robotic planning, panoramic image generation, and long video generation, CoFi not only improves both global coherence and local sample quality over prior compositional baselines, but also requires 2-8x fewer denoiser evaluations.
• Abstract（参考訳）: 拡散モデルは、構造化されたデータを生成するための強力な事前情報を提供するが、多くのタスクは、これらのモデルが通常訓練されるスケールを超えて出力を必要とする。 構成生成は、事前訓練された短軸から長軸出力に重複した局所計画を構成することでこの問題に対処する。 しかし、標準構成は、主に近隣のローカルプラン間の合意を強制し、全構成のグローバル構造を直接指定することなく、局所的な一貫性をもたらす。 結果として、ローカル互換のプランは、いまだに理解できないルート、タスクシークエンス、あるいは時間的進化を形成する可能性がある。 既存の手法では、局所的な一貫性信号を繰り返し伝播したり、推論時最適化を追加することで、グローバルなコヒーレンスを改善するが、ローカルプランの数や次元が増加するにつれて、これらの手順は高価になる。 本研究では,大域的構造形成を局所的な細部微細化から分離する推論時間サンプリング器CoFiを提案する。 CoFiはまず、共有された粗い構造の周りに局所的な推定値を調整することで、長距離タスクレベルアレンジメントをキャプチャするグローバルな足場を生成する。 そして、この足場を中間雑音レベルに拡散させ、足場が引き起こした大域的コヒーレンスを保ちながら局所的な微細構造を復元する。 長期のロボット計画、パノラマ画像生成、および長時間のビデオ生成において、CoFiは、以前の構成ベースラインよりもグローバルコヒーレンスと局所サンプル品質の両方を改善するだけでなく、2～8倍のデノイザー評価も必要である。

関連論文リスト

• Refining Compositional Diffusion for Reliable Long-Horizon Planning [31.40044829548484]
  本研究では,高密度でグローバルなコヒーレントな計画に向けて,構成標本を操る学習自由誘導手法を提案する。 ローコモーション、オブジェクト操作、ピクセルベースの観察を含む、OGBenchからの長距離タスクへの挑戦実験は、RCDが既存の手法を一貫して上回ることを示した。
  論文  参考訳（メタデータ） (2026-05-04T18:44:19Z)
• TowerDataset: A Heterogeneous Benchmark for Transmission Corridor Segmentation with a Global-Local Fusion Framework [46.45117150541737]
  TowerDatasetは伝送補正セグメンテーションのための異種ベンチマークである。 長い回廊の幅を保ち、きめ細かい22クラスの分類を定義し、標準化された分割と評価プロトコルを提供している。 さらに,全シーン情報と局部情報情報を保存・融合するグローバル・ローカル・フュージョン・フレームワークを提案する。
  論文  参考訳（メタデータ） (2026-04-18T05:40:57Z)
• Efficiency Follows Global-Local Decoupling [62.05489838893081]
  ConvNeurは、軽量なニューラルメモリブランチがトークンの集合にグローバルなコンテキストを集約する2分岐アーキテクチャである。 学習ゲートは、グローバルなキューが目的を絞ることなく、局所的な特徴を調整できる。 標準的な分類、検出、セグメンテーションのベンチマークでは、ConvNeurは同等または低い計算で同等の選択肢にマッチするか、超えている。
  論文  参考訳（メタデータ） (2026-03-20T02:20:16Z)
• Compositional Visual Planning via Inference-Time Diffusion Scaling [41.86377754505579]
  短期ホライズンロボット計画において拡散モデルは優れているが、計算制約と限られた訓練データのために長いホライズンタスクにスケールすることは依然として困難である。 安定な構成生成の鍵は、推定されたクリーンデータに対する境界合意を強制することにある。 提案手法は,ビデオチャンクを重畳した連鎖構造因子グラフ上での長軸計画を定式化し,事前学習した短軸ビデオ拡散モデルが局所的な事前情報を提供する。
  論文  参考訳（メタデータ） (2026-03-03T06:24:06Z)
• Global Commander and Local Operative: A Dual-Agent Framework for Scene Navigation [96.88162755522342]
  視覚と言語 シーンナビゲーションは、人間のAIを具現化する基本的な能力である。 DACoは,グローバルな議論を現地の基盤から切り離す,計画的な非結合型アーキテクチャである。 グローバルな推論を局所的な行動から遠ざけることで、DACoは認知的過負荷を軽減し、長期的安定性を向上させる。
  論文  参考訳（メタデータ） (2026-02-21T19:19:55Z)
• Compositional Diffusion with Guided Search for Long-Horizon Planning [25.850015543620128]
  合成生成モデルのためのCDGSを用いた合成拡散法を提案する。 提案手法は,人口ベースサンプリングによる局所モードの多種多様な組み合わせ,確率ベースフィルタリングによる不実現候補の探索,反復的再サンプリングによる大域的一貫性の検証を行う。 このアプローチはドメインをまたいで一般化され、テキスト誘導パノラマ画像と長いビデオが、効果的なローカル-グローバルメッセージパッシングによって実現される。
  論文  参考訳（メタデータ） (2025-12-31T22:03:19Z)
• FedAgg: Adaptive Federated Learning with Aggregated Gradients [1.5653612447564105]
  我々はFedAggと呼ばれる適応型FEDerated Learningアルゴリズムを提案し、局所モデルパラメータと平均モデルパラメータのばらつきを緩和し、高速モデル収束率を得る。 IIDおよび非IIDデータセット下でのモデル性能の向上と収束速度の促進を目的として,本手法が既存のFL戦略よりも優れていることを示す。
  論文  参考訳（メタデータ） (2023-03-28T08:07:28Z)
• Global-to-Local Modeling for Video-based 3D Human Pose and Shape Estimation [53.04781510348416]
  フレーム内精度とフレーム間スムーズさにより,映像に基づく3次元人間のポーズと形状推定を評価する。 エンドツーエンドフレームワークGLoT(Global-to-Local Transformer)における長期的・短期的相関のモデル化を構造的に分離することを提案する。 我々のGLoTは、一般的なベンチマーク(3DPW、MPI-INF-3DHP、Human3.6M)において、最も低いモデルパラメータを持つ従来の最先端の手法を上回る。
  論文  参考訳（メタデータ） (2023-03-26T14:57:49Z)
• Global Aggregation then Local Distribution for Scene Parsing [99.1095068574454]
  提案手法は,エンドツーエンドのトレーニング可能なブロックとしてモジュール化され,既存のセマンティックセグメンテーションネットワークに容易に接続可能であることを示す。 私たちのアプローチでは、Cityscapes、ADE20K、Pascal Context、Camvid、COCO-stuffといった主要なセマンティックセグメンテーションベンチマークに基づいて、新しい最先端の技術を構築できます。
  論文  参考訳（メタデータ） (2021-07-28T03:46:57Z)

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。