論文の概要: Flicker-DDPM: Accelerating Denoising Diffusion via 1/f Colored Noise Injection

• arxiv url: http://arxiv.org/abs/2606.03393v2
• Date: Wed, 03 Jun 2026 07:51:43 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-06-04 17:40:41.628872
• Title: Flicker-DDPM: Accelerating Denoising Diffusion via 1/f Colored Noise Injection
• Title（参考訳）: Flicker-DDPM:1/fカラーノイズ注入による拡散促進
• Authors: KeXiang Mao, FanCheng Li,
• Abstract要約: 自己組織臨界(SOC)にインスパイアされたフリック(1/f)ノイズを取り入れた新しい拡散モデルFlicker-DDPMを提案する。 本研究では,空間相関カーネル (d) = (d + 1)- をベースとした色付きノイズモジュールを開発し,生成した1/f雑音のスペクトル指数を制御することを理論的に確立する。 CIFAR-10では、Flicker DDPMは標準DDPMベースラインの生成品質を3.33倍のサンプリングステップで一致または上回る。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: We propose a novel diffusion model, Flicker-DDPM, which incorporates flicker (1/f) noise inspired by self-organized criticality (SOC), a widely observed phenomenon in natural systems. Unlike denoising diffusion probabilistic models (DDPMs), which employ isotropic white noise in the forward process, Flicker-DDPM adopts colored noise with power-law spectra to better match the spectral statistics of natural images, whose power spectra typically follow P(k) proportional to 1/k^α. To this end, we develop a colored-noise module based on a spatial correlation kernel, σ(d) = (d + 1)^{-η}, and theoretically establish that adjusting η controls the spectral exponent α of the generated 1/fα noise, enabling adaptation to datasets with diverse spectral characteristics. On CIFAR-10, Flicker DDPM matches or surpasses the generation quality of a standard DDPM baseline using 3.33 times fewer sampling steps, with negligible additional computational cost per step. We further develop a frequency-domain linear theory demonstrating that spectrally matched colored noise linearizes the reverse trajectory, theoretically explaining the observed sampling acceleration.
• Abstract（参考訳）: 本稿では,自然系において広く見られる現象である自己組織化臨界(SOC)にインスパイアされたフリック(1/f)ノイズを取り入れた新しい拡散モデルFlicker-DDPMを提案する。 Flicker-DDPMは、前処理で等方性ホワイトノイズを用いるデノイング拡散確率モデル(DDPM)とは異なり、パワースペクトルが1/k^αに比例する自然画像のスペクトル統計とよく一致するように、色付きノイズを採用する。 この目的のために、空間相関カーネル σ(d) = (d + 1)^{-η} に基づく色付きノイズモジュールを開発し、η の調整が生成された 1/fα ノイズのスペクトル指数 α を制御し、様々なスペクトル特性を持つデータセットへの適応を可能にすることを理論的に確立する。 CIFAR-10では、Flicker DDPMは標準DDPMベースラインの生成品質を3.33倍のサンプリングステップで一致または上回る。 さらに、スペクトル整合色雑音が逆軌道を線形化し、観測されたサンプリング加速度を理論的に説明できる周波数領域線形理論を開発した。

関連論文リスト

• Elucidating the SNR-t Bias of Diffusion Probabilistic Models [28.312988944419516]
  拡散モデルは、しばしば信号対雑音比時間ステップ(SNR-t)バイアスに悩まされる。 本稿では,SNR-tバイアスを軽減するための簡易かつ効果的な差分補正法を提案する。 提案手法は,様々な拡散モデルの生成品質を著しく向上させる。
  論文  参考訳（メタデータ） (2026-04-17T13:16:15Z)
• Noise Conditional Variational Score Distillation [60.38982038894823]
  騒音条件変化スコア蒸留(NCVSD)は, 予混合拡散モデルから生成消音剤を蒸留する新しい方法である。 この知見を変分スコア蒸留フレームワークに組み込むことで、生成的デノイザのスケーラブルな学習を可能にする。
  論文  参考訳（メタデータ） (2025-06-11T06:01:39Z)
• Boosting Diffusion Models with Moving Average Sampling in Frequency Domain [101.43824674873508]
  拡散モデルは、現在のサンプルに頼って次のサンプルをノイズ化し、おそらく不安定化を引き起こす。 本稿では,反復的復調過程をモデル最適化として再解釈し,移動平均機構を利用して全ての先行サンプルをアンサンブルする。 周波数領域における平均サンプリング(MASF)の動作」という完全なアプローチを命名する。
  論文  参考訳（メタデータ） (2024-03-26T16:57:55Z)
• Super-resolution of ultrafast pulses via spectral inversion [0.0]
  ブロードバンド光(10～100GHz)を対象とした分光超解像法を実験的に実証した。 等輝度の2つの非コヒーレントスペクトル特徴と、コヒーレンス時間当たりの光子との小さな分離を推定するパラダイム的問題について検討した。 この装置は、電気光学タイムレンズとインバージョンを実装したパッシブスペクトル分散器を備えた、アクティブに安定化されたマッハ・ツェンダー型干渉計に基づいている。
  論文  参考訳（メタデータ） (2024-03-18T12:21:37Z)
• DiffUCD:Unsupervised Hyperspectral Image Change Detection with Semantic Correlation Diffusion Model [46.68717345017946]
  ハイパースペクトル画像変化検出(HSI-CD)はリモートセンシングにおいて重要な研究領域となっている。 意味相関拡散モデル(DiffUCD)を用いた新しい教師なしHSI-CDを提案する。 提案手法は,多数のサンプルを必要とする完全教師付き手法に匹敵する結果が得られる。
  論文  参考訳（メタデータ） (2023-05-21T09:21:41Z)
• A Variational Perspective on Solving Inverse Problems with Diffusion Models [101.831766524264]
  逆タスクは、データ上の後続分布を推測するものとして定式化することができる。 しかし、拡散過程の非線形的かつ反復的な性質が後部を引き付けるため、拡散モデルではこれは困難である。 そこで我々は,真の後続分布を近似する設計手法を提案する。
  論文  参考訳（メタデータ） (2023-05-07T23:00:47Z)
• Diffusion Probabilistic Model Made Slim [128.2227518929644]
  軽量画像合成のためのスリム拡散確率モデル(DPM)のカスタマイズ設計を提案する。 一連の条件および非条件画像生成タスクにおける遅延拡散モデルと比較して,計算複雑性を8-18倍に削減する。
  論文  参考訳（メタデータ） (2022-11-27T16:27:28Z)
• Accelerating Diffusion Models via Early Stop of the Diffusion Process [114.48426684994179]
  Denoising Diffusion Probabilistic Models (DDPM) は、様々な世代タスクにおいて優れたパフォーマンスを実現している。 実際には、DDPMは高品質なサンプルを得るために何十万ものデノナイジングステップを必要とすることが多い。 本稿では,DDPMの早期停止型DDPM(Early-Stopped DDPM, ES-DDPM)の原理的高速化戦略を提案する。
  論文  参考訳（メタデータ） (2022-05-25T06:40:09Z)

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。