論文の概要: Exposure Bias Can Alleviate Itself via Directional and Frequency Rectification in Flow Matching
- arxiv url: http://arxiv.org/abs/2606.28226v1
- Date: Fri, 26 Jun 2026 16:14:33 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-06-29 18:24:25.536976
- Title: Exposure Bias Can Alleviate Itself via Directional and Frequency Rectification in Flow Matching
- Title（参考訳）: フローマッチングにおける指向性および周波数整流による露光バイアスの軽減
- Abstract要約: フローマッチングは、トレーニングと推論の相違による露出バイアスに悩まされる。
本研究では,露光バイアス自体が本質的に動的信号を含んでいて,その補正を導出できることを示す。
このフレームワークは、トレーニング中の単一ステップの推論プロセスをシミュレートして、露出バイアスを識別する。
- 参考スコア（独自算出の注目度）: 29.446017628875357
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Flow Matching (FM) has achieved remarkable generative performance, yet it suffers from exposure bias due to discrepancies between training and inference. Existing mitigation strategies typically rely on static constraints or external heuristics. In this work, we propose that exposure bias itself inherently contains dynamic signals that can guide its own rectification. To leverage this, we introduce DEFAR (DirEctional-Frequency Adaptive Rectification). This framework simulates the single-step inference process during training to identify exposure bias. It utilizes directional and frequency-adaptive feedback signals from the bias itself to enhance the model's bias tolerance. It consists of two key components: (1) Anti-Drift Rectification (ADR). ADR treats inference-time drift as a signal to learn the direction to steer deviated states back toward the target. ADR endows the model with intrinsic active self-rectification capabilities; (2) Frequency Compensation (FC). Empirically, we observe that accumulated bias often stems from a lack of low-frequency components in high-noise stages, and exposure bias carries the missing frequency. FC leverages the bias itself as a self-feedback weighting factor to reinforce the missing frequency components. Experiments on CIFAR-10, CelebA-64, and ImageNet-256/512 show that DEFAR outperforms prior baselines and further demonstrates favorable scalability, compatibility, and inference robustness.
- Abstract（参考訳）: Flow Matching (FM)は、優れた生成性能を達成しているが、トレーニングと推論の相違による露光バイアスに悩まされている。
既存の緩和戦略は、通常静的制約や外部ヒューリスティックに依存している。
本研究では,露光バイアス自体が本質的に動的信号を含んでいて,その補正を導出できることを示す。
これを活用するために、DFAR(DirEctional-Frequency Adaptive Rectification)を導入する。
このフレームワークは、トレーニング中の単一ステップの推論プロセスをシミュレートして、露出バイアスを識別する。
バイアス自体からの指向性および周波数適応的なフィードバック信号を利用して、モデルのバイアス耐性を高める。
1)アンチ・ドリフト・リクティフィケーション(ADR)。
ADRは推論時ドリフトを信号として扱い、逸脱した状態を目標に戻す方向を学ぶ。
ADRは、本質的な能動自己修正機能を備えたモデル、(2)周波数補償(FC)を提供する。
経験的に、蓄積されたバイアスは、高ノイズステージにおける低周波成分の欠如に起因することが多く、露光バイアスは欠落周波数を伴っている。
FCはバイアス自体を自己フィードバック重み付け因子として利用し、欠落する周波数成分を補強する。
CIFAR-10、CelebA-64、ImageNet-256/512の実験では、DEFARは以前のベースラインよりも優れており、より良好なスケーラビリティ、互換性、推論の堅牢性を示している。
関連論文リスト
- Stokes-Informed Diffusion for Robust Linear Polarization Estimation [49.459667092743445]
GenPolar(ゲンポーラー)は、ミュラー形式主義を基盤としたストークスインフォームド拡散フレームワークである。
DLPの忠実度とAoPの安定性の両面において最先端の性能を達成する。
これらの改善は、物質検出やデフレクションを含む下流アプリケーションにおいて、顕著で一貫した利益をもたらす。
論文 参考訳（メタデータ） (2026-07-23T11:56:15Z) - How Does Alignment Tuning Shape Representations of Sycophancy and Related Cue-Induced Biases in LLMs? [53.58941416780391]
本研究は, この感受性, 潜伏性および関連キュー誘発バイアスがモデル内に存在するかを研究する。
我々は、隠れた状態からバイアスごとの方向を抽出し、探索、1つのデータセットの移動、因果的介入の3つの手段によってそれを三角測量する。
論文 参考訳（メタデータ） (2026-07-20T16:10:06Z) - DCR: Counterfactual Attractor Guidance for Rare Compositional Generation [12.791968394241438]
Default Completion Repulsion (DCR)は、トレーニング不要のフレームワークで、デフォルトの完了動作を明示的にモデル化し、抑制する。
DCRは、リトレーニングやアーキテクチャの変更なしに、標準拡散サンプリングプロセス内で完全に動作する。
論文 参考訳（メタデータ） (2026-05-07T16:22:21Z) - Steering and Rectifying Latent Representation Manifolds in Frozen Multi-modal LLMs for Video Anomaly Detection [52.5174167737992]
ビデオ異常検出(VAD)は、ビデオ内の異常事象を特定することを目的としている。
本稿では,MLLMに基づくVADを受動的に読み上げから内部表現を積極的に操り,修正するSteerVADを提案する。
本手法は、トレーニングデータの1%しか必要としないチューニングフリーアプローチにおける最先端性能を実現する。
論文 参考訳（メタデータ） (2026-02-27T13:48:50Z) - Learning to Separate RF Signals Under Uncertainty: Detect-Then-Separate vs. Unified Joint Models [53.79667447811139]
受信した信号に直接適用した場合、単一のディープニューラルネットワークアーキテクチャが共同で検出および分離することを学習していることを示す。
これらの結果から,UJM は DTS に代わるスケーラブルで実用的な代替品であり,広範に推定された統合分離のための新たな方向を開拓した。
論文 参考訳（メタデータ） (2026-02-04T15:25:02Z) - ReflexFlow: Rethinking Learning Objective for Exposure Bias Alleviation in Flow Matching [25.0619407896951]
フローマッチング法は、トレーニングと推論の相違により、まだ露出バイアスに悩まされている。
本研究では、露光バイアスを動的に補正するフローマッチング学習目的の単純かつ効果的な反射性改善であるReflexFlowを提案する。
論文 参考訳（メタデータ） (2025-12-04T15:34:44Z) - Regularized Schrödinger Bridge: Alleviating Distortion and Exposure Bias in Solving Inverse Problems [22.120889156634444]
逆問題に適したシュルディンガー橋を適応した正規化シュルディンガー橋(RSB)を提案する。
RSBは、入力状態とターゲットの両方を摂動させ、露光バイアスを効果的に軽減する、新しい規則化されたトレーニング戦略を採用している。
音声強調のための2つの典型的な逆問題に対する大規模な実験は、RSBが最先端の手法より優れていることを示した。
論文 参考訳（メタデータ） (2025-11-12T08:33:23Z) - FreqDebias: Towards Generalizable Deepfake Detection via Consistency-Driven Frequency Debiasing [10.293023172874213]
ディープフェイク検出器は、限られたトレーニングデータから得られたバイアスにより、しばしば新しい偽造タイプに一般化するのに苦労する。
本稿では,周波数領域における新しいタイプのモデルバイアスを同定する。
本稿では2つの相補的戦略を通じてスペクトルバイアスを緩和する周波数脱バイアスフレームワークであるFreqDebiasを提案する。
論文 参考訳（メタデータ） (2025-09-26T14:37:29Z) - Tuning Frequency Bias of State Space Models [48.60241978021799]
状態空間モデル(SSM)は、線形時間不変(LTI)システムを利用して、長距離依存のシーケンスを学習する。
その結果,SSMは低周波成分を高周波成分よりも効果的に捕捉する傾向を示した。
論文 参考訳（メタデータ） (2024-10-02T21:04:22Z) - Bias-Conflict Sample Synthesis and Adversarial Removal Debias Strategy
for Temporal Sentence Grounding in Video [67.24316233946381]
TSGV(Temporal Sentence Grounding in Video)は、データセットバイアスの問題に悩まされている。
偏りを伴うサンプル合成と逆行性除去脱バイアス戦略(BSSARD)を提案する。
論文 参考訳（メタデータ） (2024-01-15T09:59:43Z) - Feature-Level Debiased Natural Language Understanding [86.8751772146264]
既存の自然言語理解(NLU)モデルは、特定のデータセットで高いパフォーマンスを達成するために、データセットバイアスに依存することが多い。
本稿では, バイアスの潜在特性を緩和し, バイアスの動的性質を無視するために, DCT(Debiasing contrastive learning)を提案する。
DCTは、ディストリビューション内のパフォーマンスを維持しながら、アウトオブディストリビューションデータセットの最先端のベースラインを上回ります。
論文 参考訳（メタデータ） (2022-12-11T06:16:14Z)
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。