論文の概要: Reward Lightning: Fast Video Generation via Homologous Preference Distillation

• arxiv url: http://arxiv.org/abs/2607.03960v1
• Date: Sat, 04 Jul 2026 17:32:35 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-07-07 22:26:29.773483
• Title: Reward Lightning: Fast Video Generation via Homologous Preference Distillation
• Title（参考訳）: Reward Lightning: ホモロジーな選好蒸留による高速ビデオ生成
• Abstract要約: Reward Lightningは、単一の共有表現内でビデオ拡散モデルを調整し、加速する統合フレームワークである。 その中心となる原理はホモロジーであり、不随伴表現に対して最適化されたときに生じる勾配の矛盾を緩和する。 実験により、LRMは画素レベルの報酬ベースラインと潜在レベルの報酬ベースラインを11.0%$と14.7%$の優先精度で上回っていることが示された。
• 参考スコア（独自算出の注目度）: 16.909916837264074
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Achieving simultaneous preference alignment and distillation acceleration in video diffusion models remains an open challenge. Existing methods optimize the two objectives over mismatched representation spaces, where improving one objective often compromises the other. To overcome this, we propose Reward Lightning, a unified framework that aligns and accelerates a video diffusion model within a single shared representation. Its central principle is homology: both objectives are evaluated on identical latent features, which mitigates the gradient conflicts that arise when they are optimized over disjoint representations. As a foundational component, we first introduce a latent reward model (LRM) that scores videos directly in the latent space, without decoding back to the pixel space. Building on the LRM, homologous preference distillation (HPD) reuses this shared backbone to perform adversarial distillation and preference alignment jointly, yielding few-step generators that remain faithful and well aligned. Extensive experiments demonstrate that the LRM surpasses pixel-level and latent-level reward baselines by $11.0\%$ and $14.7\%$ in preference accuracy, and that Reward Lightning generates high-fidelity videos in merely $1$ to $4$ steps, improving the average VBench score by $2.1\%$ while leading in text alignment, motion quality, and visual quality. Project page: https://reward-lightning.github.io.
• Abstract（参考訳）: ビデオ拡散モデルにおける同時選好アライメントと蒸留加速の実現は、依然としてオープンな課題である。 既存の手法では、2つの目的が一致しない表現空間よりも最適化されている。 これを解決するために、単一の共有表現内でビデオ拡散モデルを調整し、加速する統合フレームワークであるReward Lightningを提案する。 その中心的な原理はホモロジーであり、両方の目的は同一の潜在的特徴に基づいて評価され、不随伴表現に対して最適化されたときに生じる勾配の矛盾を緩和する。 基礎的な要素として、まず、ピクセル空間に復号することなく、潜時空間でビデオを直接スコアする潜時報酬モデル(LRM)を導入する。 LRM上に構築された相同性選好蒸留(HPD)は、この共有バックボーンを再利用し、相反する蒸留と選好アライメントを共同で行い、忠実で整列した数ステップのジェネレータを生成する。 大規模な実験では、LRMは画素レベルの報酬ベースラインを11.0\%と14.7\%の優先精度で上回り、Reward Lightningはわずか1ドルから4ドルのステップで高忠実度ビデオを生成し、平均的なVBenchスコアを2.1\%で改善し、テキストアライメント、モーションクオリティ、ビジュアルクオリティを導いた。 プロジェクトページ: https://reward-lightning.github.io

関連論文リスト

• Stream-R1: Reliability-Perplexity Aware Reward Distillation for Streaming Video Generation [52.10062792673558]
  自動ストリーミングビデオ拡散モデルを実用化するために、蒸留ベースの加速が基礎となっている。 既存の方法は、すべてのロールアウト、フレーム、ピクセルを同様に信頼できる監視として扱う。 本稿では,信頼性に配慮したリワード蒸留フレームワークStream-R1を提案する。
  論文  参考訳（メタデータ） (2026-05-05T15:15:30Z)
• RationalRewards: Reasoning Rewards Scale Visual Generation Both Training and Test Time [51.256131853751754]
  本研究では,多次元的批判を明示的に生成するために報酬モデルを教えることで,受動的評価器から能動的最適化ツールへ変換することを示す。 提案手法では, 嗜好データから高品質な論理を復元する原理的フレームワークであるpreference-Anchored Rationalization (PARROT) を導入する。 その結果、RationalRewards (8B) は、オープンソース報酬モデル間の最先端の好み予測を実現する。
  論文  参考訳（メタデータ） (2026-04-13T15:38:09Z)
• FastSTAR: Spatiotemporal Token Pruning for Efficient Autoregressive Video Synthesis [1.8320252176005443]
  FastSTARは、高品質のビデオ生成用に設計されたトレーニング不要のアクセラレーションフレームワークである。 InfinityStarの実験結果によると、FastSTARはPSNRが28.29で2.01倍のスピードアップを達成した。
  論文  参考訳（メタデータ） (2026-03-07T13:05:33Z)
• SoliReward: Mitigating Susceptibility to Reward Hacking and Annotation Noise in Video Generation Reward Models [53.19726629537694]
  ビデオ生成モデルと人間の好みのトレーニング後のアライメントは、重要な目標である。 現在のデータ収集パラダイムは、プロンプト内のペアワイズアノテーションに依存しており、ノイズのラベル付けに悩まされている。 ビデオRMトレーニングのための体系的フレームワークであるSoliRewardを提案する。
  論文  参考訳（メタデータ） (2025-12-17T14:28:23Z)
• Reward Forcing: Efficient Streaming Video Generation with Rewarded Distribution Matching Distillation [69.57572900337176]
  本稿では,効率的なストリーミングビデオ生成のための新しいフレームワークであるReward Forcingを紹介する。 EMA-Sinkトークンは、長期コンテキストと最近のダイナミクスの両方をキャプチャし、初期フレームコピーを防ぐ。 Re-DMDは、視覚言語モデルにより評価されたより大きなダイナミックスを持つサンプルを優先順位付けすることで、モデル出力分布を高逆領域にバイアスする。
  論文  参考訳（メタデータ） (2025-12-04T11:12:13Z)
• Large Scale Diffusion Distillation via Score-Regularized Continuous-Time Consistency [60.74505433956616]
  連続時間一貫性モデル(sCM)は理論的に原理化され、学術規模の拡散を加速するために実証的に強力である。 まず並列性互換なFlashAttention-2 JVPカーネルを開発し、100億以上のパラメータと高次元ビデオタスクを持つモデル上でsCMトレーニングを可能にする。 本稿では, スコア蒸留を長軸正則化器として組み込んだスコア規則化連続時間一貫性モデル(rCM)を提案する。
  論文  参考訳（メタデータ） (2025-10-09T16:45:30Z)
• POSE: Phased One-Step Adversarial Equilibrium for Video Diffusion Models [18.761042377485367]
  POSE(Phased One-Step Equilibrium)は、大規模ビデオ拡散モデルのサンプリングステップを削減する蒸留フレームワークである。 PSEはVBench-I2V上の他の加速度法よりもセマンティックアライメント,時間的会議,フレーム品質が平均7.15%向上していることを示す。
  論文  参考訳（メタデータ） (2025-08-28T17:20:01Z)
• Self Forcing: Bridging the Train-Test Gap in Autoregressive Video Diffusion [67.94300151774085]
  本稿では,自己回帰ビデオ拡散モデルのための新しい訓練パラダイムであるSelf Forcingを紹介する。 露光バイアスの長年の問題に対処し、地道的な文脈で訓練されたモデルは、自身の不完全な出力で条件付けられたシーケンスを生成する必要がある。
  論文  参考訳（メタデータ） (2025-06-09T17:59:55Z)

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。