論文の概要: Rectify Then Diffuse: Disentangling Concepts Before Denoising Trajectory Unfolds
- arxiv url: http://arxiv.org/abs/2608.03135v1
- Date: Tue, 04 Aug 2026 05:03:17 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-08-05 15:30:23.039715
- Title: Rectify Then Diffuse: Disentangling Concepts Before Denoising Trajectory Unfolds
- Title（参考訳）: Rectify Then Diffuse: 軌道の展開を識別する前に概念を分離する
- Abstract要約: テキストと画像の拡散モデルは、しばしば複数の概念と誤って概念を省略またはマージする。
トレーニング不要なフレームワークであるRectify-then-Diffuse(RTD)を提案する。
RTDは、最先端の合成忠実度と堅牢なゲインを達成する。
- 参考スコア（独自算出の注目度）: 18.12683458124076
- License: http://creativecommons.org/licenses/by-sa/4.0/
- Abstract: Text-to-image diffusion models can generate individual concepts well, but they often omit or merge concepts incorrectly with multiple concepts. We trace these failures to an early coordination bottleneck: before denoising begins, prompt-conditioned attention may allocate different concepts to strongly overlapping spatial support, which can keep their attention coupled as denoising proceeds. This observation motivates treating compositional generation as a boundary-condition problem rather than repeatedly controlling the evolving trajectory. To this end, we propose Rectify-then-Diffuse (RTD), a training-free framework that rectifies the initial allocation once before standard denoising. Firstly, we propose Soft-Overlap Disentanglement (SOD), which converts normalized overlap between pilot concept maps into a differentiable and layout-agnostic separation objective. Secondly, we introduce Isotropic Gradient Rectification (IGR), which normalizes the SOD gradient and applies a bounded latent displacement with a consistent scale across prompts and initializations. Extensive experiments show that RTD achieves state-of-the-art compositional fidelity and robust gains. On the AE-Bench object pair subset, RTD improves BLIP-VQA by 45.8% and ImageReward by 19.6% over CO3 while running 2.3$\times$ faster. Code will be released at https://github.com/Z-yiwei/rectify-then-diffuse
- Abstract（参考訳）: テキストと画像の拡散モデルは個々の概念をうまく生成できるが、しばしば複数の概念を誤って省略またはマージする。
我々はこれらの失敗を初期の協調ボトルネックに辿り着く: 素早い条件付き注意は、重なり合う空間的支援に異なる概念を割り当てる可能性がある。
この観察は、進化軌跡を繰り返し制御するのではなく、構成生成を境界条件問題として扱うことを動機としている。
この目的のために、トレーニング不要のフレームワークであるRectify-then-Diffuse (RTD)を提案する。
まず、パイロットコンセプトマップ間の正規化重複を微分可能かつレイアウトに依存しない分離目的に変換するSoft-Overlap Disentanglement (SOD)を提案する。
次に、SOD勾配を正規化し、プロンプトと初期化をまたいだ一貫したスケールで有界潜在変位を適用した等方勾配整流法(IGR)を提案する。
広汎な実験により、RTDは最先端の合成忠実度と頑健な利得を達成することが示された。
AE-Benchオブジェクトペアサブセットでは、RTDはBLIP-VQAを45.8%、ImageRewardを19.6%改善し、2.3$\times$高速に動作させる。
コードはhttps://github.com/Z-yiwei/rectify-then-diffuseでリリースされる。
関連論文リスト
- Interpreting Object-Dependent Concept Brittleness in Text-to-Image Diffusion Models [105.53190946111586]
我々はこの現象をオブジェクト依存概念の脆さと呼ぶ。
これらの障害を監査し、最小限に修正する、解釈可能性指向のフレームワークを提案する。
複数の拡散バックボーンにまたがるスタイルと属性の故障事例について,提案手法の評価を行った。
論文 参考訳（メタデータ） (2026-09-09T09:07:40Z) - Anchoring and Steering Diffusion: Enhancing the Faithfulness of Text-to-Image Generation at Inference Time [16.04233421396159]
AnchorSteerは、きめ細かい制御を行う、トレーニング不要のフレームワークである。
textbfAnchorSteerとそのコンポーネント。
GenEvalとT2I-CompBench++の実験は、AnchorSteerがテキストのアライメントにおいて既存のベースラインを一貫して上回っていることを示している。
論文 参考訳（メタデータ） (2026-07-29T09:08:57Z) - Beyond Unfolding: 60x Faster One-Stage Unmixing for Closely-Spaced Infrared Small Targets [43.71958109614362]
近距離赤外小ターゲット(CSIST)は一般的にエネルギーの重なりを見せ、赤外線画像では識別不能なブロブとして現れる。
この曖昧さは、従来の検出の1対1のマッピング仮定を無効にする。
深層展開が不要であることを示す一段軽量パラダイムを提案する。
論文 参考訳（メタデータ） (2026-07-17T14:42:51Z) - StippleDiffusion: Capacity-Constrained Stippling using Controlled Diffusion [41.23458880886283]
ストイップルパターンは、局所密度がターゲット画像を追跡する点集合であり、伝統的に密度ごとの反復によって生成される。
本稿では, 学習した局所的な点分布と, 推論時の連続的, 画像定義容量制約を同時に満足する最初の拡散型サンプリング器を提案する。
単一のトレーニングされたチェックポイントは、推論時に任意のターゲット密度を受け入れ、トレーニング中に見られなかったポイント予算に一般化し、出力ポイント数からほぼ独立してスタイップルを生成する。
論文 参考訳（メタデータ） (2026-05-15T10:12:42Z) - Plug-and-Play Diffusion Meets ADMM: Dual-Variable Coupling for Robust Medical Image Reconstruction [45.25461515976432]
画像再構成のための強力なパラダイムとして,DP(Plug-and-Play diffusion prior)フレームワークが登場した。
本稿では, バイアス・ハロシン化トレードオフを解消し, 収束を著しく加速した最先端の勾配を実現するための新しい手法を提案する。
論文 参考訳（メタデータ） (2026-02-26T16:58:43Z) - Score Distillation of Flow Matching Models [67.86066177182046]
我々は、Score Identity Distillation (SiD) を事前訓練されたテキスト対画像フローマッチングモデルに拡張する。
SiDは、データフリーとデータアシストの両方の設定で、これらのモデルですぐに使える。
これは、スコア蒸留がテキストと画像のフローマッチングモデルに広く適用されるという最初の体系的な証拠を提供する。
論文 参考訳（メタデータ） (2025-09-29T17:45:48Z) - Continuous Speculative Decoding for Autoregressive Image Generation [27.308442169466975]
連続的視覚自己回帰(AR)モデルは、画像生成において有望な性能を示す。
投機的復号化は 事実上 自己回帰推論を加速させた
この研究は、低受理率、不整合出力分布、解析式のない修正分布からの課題に対処する。
論文 参考訳（メタデータ） (2024-11-18T09:19:15Z) - 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) - DiffusionAD: Norm-guided One-step Denoising Diffusion for Anomaly Detection [80.20339155618612]
DiffusionADは、再構成サブネットワークとセグメンテーションサブネットワークからなる、新しい異常検出パイプラインである。
高速なワンステップデノゲーションパラダイムは、同等の再現品質を維持しながら、数百倍の加速を達成する。
異常の出現の多様性を考慮し、複数のノイズスケールの利点を統合するためのノルム誘導パラダイムを提案する。
論文 参考訳（メタデータ） (2023-03-15T16:14:06Z) - Learning to Estimate Hidden Motions with Global Motion Aggregation [71.12650817490318]
閉塞は、局所的な証拠に依存する光学フローアルゴリズムに重大な課題をもたらす。
最初の画像でピクセル間の長距離依存性を見つけるために,グローバルモーションアグリゲーションモジュールを導入する。
遮蔽領域における光流量推定が非遮蔽領域における性能を損なうことなく大幅に改善できることを実証した。
論文 参考訳（メタデータ） (2021-04-06T10:32:03Z) - An Interpretation of Regularization by Denoising and its Application
with the Back-Projected Fidelity Term [55.34375605313277]
RED勾配は以前の関数の(部分)階調と見なすことができるが、その点の分極バージョンで考えることができる。
本稿では, RED と Back-Projection (BP) のフィデリティ項を組み合わせることを提案する。
論文 参考訳（メタデータ） (2021-01-27T18:45:35Z) - A Contrastive Learning Approach for Training Variational Autoencoder
Priors [137.62674958536712]
変分オートエンコーダ(VAE)は、多くの領域で応用される強力な可能性に基づく生成モデルの一つである。
VAEsが生成性に乏しいことの1つの説明は、事前の分布が集合の近似的な後部と一致しないという、事前の穴の問題である。
本研究では, 基底分布の積と再重み付け係数によって定義されるエネルギーベースの事前定義を行い, 基底を集合体後部へ近づけるようにした。
論文 参考訳（メタデータ） (2020-10-06T17:59:02Z)
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。