論文の概要: Training-Free Debiasing of Diffusion Models via CLIP-Guided Denoising Optimization

• arxiv url: http://arxiv.org/abs/2607.00817v1
• Date: Wed, 01 Jul 2026 11:41:40 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-07-02 19:56:07.876626
• Title: Training-Free Debiasing of Diffusion Models via CLIP-Guided Denoising Optimization
• Title（参考訳）: CLIP-Guided Denoising Optimizationによる拡散モデルの学習自由脱バイアス
• Abstract要約: テキスト埋め込みステアリング(Text Embedding Steering, TES)は、拡散過程中に条件付きテキストの埋め込みを直接最適化することにより、人口統計バイアスを緩和するトレーニング不要のフレームワークである。 モデルパラメータを変更することなく、安定かつ制御可能な属性ステアリングを可能にする2段階戦略(アーリーステージグローバルアライメント、続いてCLIPベースのフィードバックによる反復的デノジング時間改善)が実現可能であることを示す。
• 参考スコア（独自算出の注目度）: 15.96706698967133
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Text-to-image diffusion models achieve impressive visual quality, yet demographic bias remains a challenge, as neutral prompts consistently produce stereotypical representations across gender and race. Existing approaches remain limited by costly retraining or by inference-time interventions that often degrade image quality and semantic alignment. We propose Text Embedding Steering (TES), a training-free framework that mitigates demographic bias by directly optimizing conditional text embeddings during the diffusion process. We show that a two-stage strategy - early-stage global alignment followed by iterative denoising-time refinement with CLIP-based feedback - enables stable and controllable attribute steering without modifying model parameters. Extensive experiments on Stable Diffusion demonstrate that TES outperforms existing training-free baselines in fairness while maintaining competitive image quality. These results highlight that inference-time text embedding optimization is a practical and scalable solution for fairness-aware generation in diffusion models.
• Abstract（参考訳）: テキストから画像への拡散モデルは印象的な視覚的品質を実現するが、中立的なプロンプトが一貫して性別や人種のステレオタイプ表現を生成するため、人口統計バイアスは依然として課題である。 既存のアプローチは、コストのかかるトレーニングや、画像の品質とセマンティックアライメントを低下させるような推論時間の介入によって制限されている。 拡散過程における条件付きテキスト埋め込みを直接最適化することにより、人口統計バイアスを緩和する学習自由フレームワークであるText Embedding Steering (TES)を提案する。 モデルパラメータを変更することなく、安定かつ制御可能な属性ステアリングを可能にする2段階戦略(アーリーステージグローバルアライメント、続いてCLIPベースのフィードバックによる反復的デノジング時間改善)が実現可能であることを示す。 安定拡散に関する大規模な実験は、TESが既存のトレーニングなしベースラインを公正さで上回り、競争力のある画像品質を維持していることを示している。 これらの結果から, 推定時テキスト埋め込み最適化は, 拡散モデルにおけるフェアネス認識生成のための実用的でスケーラブルな解であることがわかった。

関連論文リスト

• Learning Late, Guiding Early: Timestep-Decoupled Semantic Guidance for Fair Face Generation [2.2993779624428208]
  本稿では,リバース・デノケーション中の一発的介入による人口動態誘導を行う推論時フレームワークであるセマンティック境界予測器(SBP)を紹介する。 SBPは、後期潜在表現から線形意味境界を学習し、初期雑音潜在表現でのみ適用する。 CelebA-HQでの実験では、人口の公平さが大幅に改善され、男女差が98%減り、二連レースが95%、四等レースが15%減少した。
  論文  参考訳（メタデータ） (2026-08-26T14:36:45Z)
• DebFilter: Eradicating Biases Stashed in Value [4.060731229044571]
  テキスト・ツー・イメージ・モデルにおける社会的・意味的バイアスを軽減するために,DebFilterを提案する。 我々は,クロスアテンション内の値成分を調整するバイアス補正戦略を適用した。 本手法は,生成した画像の社会的バイアスを効果的に再構成することを示した。
  論文  参考訳（メタデータ） (2026-05-27T08:49:41Z)
• A Systematic Post-Train Framework for Video Generation [76.26555417456773]
  大規模ビデオ拡散モデルでは、高解像度でセマンティックにリッチなコンテンツを生成できることが顕著に示されている。 迅速な感度、時間的不整合、禁止的推論コストといった重要な問題のために、事前訓練されたパフォーマンスと実際のデプロイメント要件の間には、大きなギャップが残っている。 本研究では,事前学習されたモデルとユーザの意図を4つの相乗的段階を通して体系的に整合させる総合的なポストトレーニングフレームワークを提案する。
  論文  参考訳（メタデータ） (2026-04-28T09:34:51Z)
• Your Pre-trained Diffusion Model Secretly Knows Restoration [55.7186754179308]
  本研究では,事前学習した拡散モデルが本質的に復元動作を有しており,即時埋め込みを直接学習することで解錠可能であることを示す。 トレーニング済みのWANビデオモデルとFLUX画像モデルに軽量な学習プロンプトを導入し、それらを高性能な復元モデルに変換する。
  論文  参考訳（メタデータ） (2026-04-06T17:59:04Z)
• Reflective Flow Sampling Enhancement [51.824959905209774]
  本研究では,フローモデルに対する理論的に基底的かつトレーニング不要な推論拡張フレームワークとして,反射型フローサンプリング(RF-Sampling)を提案する。 RFサンプリングは、生成品質と迅速なアライメントの両方を一貫して改善する。 また、FLUX上でテスト時間スケーリング能力をある程度発揮できる最初の推論拡張手法でもある。
  論文  参考訳（メタデータ） (2026-03-06T11:17:37Z)
• BiPrompt: Bilateral Prompt Optimization for Visual and Textual Debiasing in Vision-Language Models [7.174865411448373]
  テスト時間適応時の両モード間の非因果的特徴依存を緩和する二元的プロンプト最適化フレームワーク(BiPrompt)を提案する。 視覚面では、背景のアクティベーションを抑制し、因果領域と突発領域の間の予測一貫性を強制するために、構造化された注意誘導消去を用いる。 テキスト側では、クラス埋め込みを等方的意味空間に整合させる学習可能な再中心化機構である、バランスの取れたプロンプト正規化を導入している。
  論文  参考訳（メタデータ） (2026-01-05T14:22:20Z)
• FairImagen: Post-Processing for Bias Mitigation in Text-to-Image Models [10.857020427374506]
  FairImagenは、社会的偏見を緩和するための迅速な埋め込みで動作する、ポストホックな脱バイアスフレームワークである。 我々のフレームワークは、既存のポストホック手法より優れており、公平なテキスト・画像生成のためのシンプルでスケーラブルでモデルに依存しないソリューションを提供する。
  論文  参考訳（メタデータ） (2025-10-24T11:47:15Z)
• Solving Inverse Problems with FLAIR [68.87167940623318]
  本稿では,フローベース生成モデルを逆問題に先立って活用する学習自由変分フレームワークFLAIRを提案する。 標準画像ベンチマークの結果、FLAIRは再現性やサンプルの多様性の観点から、既存の拡散法や流れ法よりも一貫して優れていることが示された。
  論文  参考訳（メタデータ） (2025-06-03T09:29:47Z)
• Multimodal LLM-Guided Semantic Correction in Text-to-Image Diffusion [52.315729095824906]
  MLLM Semantic-Corrected Ping-Pong-Ahead Diffusion (PPAD) は,マルチモーダル大言語モデル(MLLM)を推論中の意味的オブザーバとして導入する新しいフレームワークである。 中間世代をリアルタイムに分析し、潜在意味的不整合を識別し、フィードバックを制御可能な信号に変換し、残りの認知ステップを積極的に導く。 大規模な実験ではPPADの大幅な改善が示されている。
  論文  参考訳（メタデータ） (2025-05-26T14:42:35Z)
• Text Diffusion with Reinforced Conditioning [92.17397504834825]
  本稿では,テキスト拡散モデルを完全に解析し,トレーニング中の自己条件の劣化と,トレーニングとサンプリングのミスアライメントの2つの重要な限界を明らかにする。 そこで本研究では, TRECと呼ばれる新しいテキスト拡散モデルを提案する。
  論文  参考訳（メタデータ） (2024-02-19T09:24:02Z)
• Exploiting Diffusion Prior for Real-World Image Super-Resolution [75.5898357277047]
  本稿では,事前学習したテキスト・画像拡散モデルにカプセル化された事前知識を視覚的超解像に活用するための新しいアプローチを提案する。 時間認識エンコーダを用いることで、事前学習した合成モデルを変更することなく、有望な復元結果が得られる。
  論文  参考訳（メタデータ） (2023-05-11T17:55:25Z)

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。