論文の概要: InvFlowFD: Reference-Free and Background-Set-Free Perceptual Music Quality Metric with Flow Matching Inversion

• arxiv url: http://arxiv.org/abs/2608.04142v1
• Date: Tue, 04 Aug 2026 18:50:14 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-08-06 14:48:43.595863
• Title: InvFlowFD: Reference-Free and Background-Set-Free Perceptual Music Quality Metric with Flow Matching Inversion
• Title（参考訳）: InvFlowFD:フローマッチングインバージョンによる基準フリー・バックグラウンドフリーの知覚音楽品質指標
• Authors: Alon Ziv, Harel Pogoda, Yossi Adi,
• Abstract要約: 本稿では,事前学習したフローマッチングバックボーンのみを用いて,バックグラウンドセットフリーで参照フリーな品質推定を行う手法を提案する。 非条件のフローマッチングインバージョンは、様々な人工的歪みを検出し、人間の知覚的判断に対して正確な音楽生成モデルをランク付けするのに十分であることを示す。 以上の結果から,InvFlowFDは音の歪みに対する人間の知覚や生成モデルの品質と高い相関性を示し,既存の指標よりも柔軟性と制約性が低いことが示唆された。
• 参考スコア（独自算出の注目度）: 28.58617981784364
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Existing reference-free methods for evaluating music perceptual quality alleviate the need for paired noisy-clean data, but they still rely on a background set, which is used to compute aggregated statistics of clean audio samples. In this work, we propose a novel approach that eliminates this requirement, achieving background-set-free and reference-free quality estimation using only a pre-trained Flow Matching backbone. We demonstrate that unconditional Flow Matching inversion via simple Euler integration is sufficient to detect various artificial distortions and accurately rank music generation models against human perceptual judgments. We introduce InvFlowFD, which performs flow inversion and compares a group of inverted samples to the prior distribution. We evaluate our method against prior work, quantitatively and with a thorough human study. Results suggest that InvFlowFD is highly correlated with human perception of sound distortions, as well as generative models' quality, while being more flexible and less restrictive than existing metrics.
• Abstract（参考訳）: 音楽の知覚品質を評価するための既存の参照不要な手法は、ペア化ノイズクリーンデータの必要性を緩和するが、それでも背景セットに依存しており、クリーンオーディオサンプルの集計統計を計算するのに使われている。 本研究では,事前学習したフローマッチングバックボーンのみを用いて,バックグラウンドセットフリーで参照不要な品質評価を実現する新しい手法を提案する。 簡単なオイラー積分による非条件のフローマッチングインバージョンは、様々な人工歪みを検出し、人間の知覚的判断に対して正確な音楽生成モデルをランク付けするのに十分であることを示す。 InvFlowFDを導入し、フローインバージョンを行い、逆サンプルのグループと先行分布を比較する。 我々は,先行研究に対して,定量的かつ徹底的な人間の研究により評価を行った。 以上の結果から,InvFlowFDは音の歪みに対する人間の知覚や生成モデルの品質と高い相関性を示し,既存の指標よりも柔軟性と制約性が低いことが示唆された。

関連論文リスト

• MeanVoiceFlow: One-step Nonparallel Voice Conversion with Mean Flows [42.55959060773461]
  MeanVoiceFlowは平均フローに基づいた1ステップのノン並列VCモデルである。 MeanVoiceFlowは、従来のマルチステップおよび蒸留ベースのモデルに匹敵するパフォーマンスを達成する。
  論文  参考訳（メタデータ） (2026-02-20T09:48:23Z)
• Combating Noisy Labels through Fostering Self- and Neighbor-Consistency [120.4394402099635]
  ラベルノイズは様々な現実世界のシナリオで広まり、教師付きディープラーニングの課題を提起する。 我々は、Jo-SNC(textbfSelf- と textbfNeighbor-textbfConsistency に基づくサンプル選択とモデル正規化)というノイズロバスト手法を提案する。 我々は、クラスごとの選択閾値を調整するための自己適応型データ駆動しきい値設定方式を設計する。
  論文  参考訳（メタデータ） (2026-01-19T07:55:29Z)
• Self-diffusion for Solving Inverse Problems [3.8870795921263728]
  我々は,事前学習された生成モデルに頼ることなく,逆問題を解決するための新しいフレームワークである自己拡散を提案する。 自己拡散はニューラルネットワークのスペクトルバイアスを利用して、スケジュールされたノイズプロセスを通じて変調する。 我々は, 線形逆問題に対するアプローチの有効性を実証し, 他の手法と比較して, 自己拡散が競争力や優れた性能を達成することを示す。
  論文  参考訳（メタデータ） (2025-10-24T12:57:22Z)
• Preference Trajectory Modeling via Flow Matching for Sequential Recommendation [50.077447974294586]
  シーケンスレコメンデーションは、履歴的なインタラクションシーケンスに基づいて、各ユーザの次の項目を予測する。 FlowRecはシンプルだが効果的なシーケンシャルレコメンデーションフレームワークである。 我々は,ガウス雑音に代えてパーソナライズされた行動に基づく事前分布を構築し,ユーザの嗜好軌跡をモデル化するためのベクトル場を学習する。
  論文  参考訳（メタデータ） (2025-08-25T02:55:42Z)
• 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)
• Flow Matching based Sequential Recommender Model [54.815225661065924]
  本研究では,フローマッチングに基づくフローマッチングモデルであるFMRecを紹介する。 FMRecは最先端の手法よりも平均6.53%改善している。
  論文  参考訳（メタデータ） (2025-05-22T06:53:03Z)
• Flow Matching Posterior Sampling: A Training-free Conditional Generation for Flow Matching [13.634043135217254]
  本稿では,Flow Matching を用いた Posterior Smpling (FMPS) を提案し,その適用範囲を拡大する。 この補正項は、サロゲートスコア関数を組み込むように再構成することができる。 FMPSは既存の最先端手法に比べて優れた世代品質が得られることを示す。
  論文  参考訳（メタデータ） (2024-11-12T08:14:39Z)
• Guided Flows for Generative Modeling and Decision Making [55.42634941614435]
  その結果,ガイドフローは条件付き画像生成やゼロショット音声合成におけるサンプル品質を著しく向上させることがわかった。 特に、我々は、拡散モデルと比較して、オフライン強化学習設定axスピードアップにおいて、まず、計画生成にフローモデルを適用する。
  論文  参考訳（メタデータ） (2023-11-22T15:07:59Z)
• DistractFlow: Improving Optical Flow Estimation via Realistic Distractions and Pseudo-Labeling [49.46842536813477]
  本稿では,光フロー推定モデルのトレーニングのための新しいデータ拡張手法であるDistractFlowを提案する。 2つのフレームのうちの1つを、類似したドメインを描写したイントラクタイメージと組み合わせることで、自然の物体やシーンと相反する視覚的摂動を誘発することができる。 私たちのアプローチでは、追加のアノテーションを必要とせずに、利用可能なトレーニングペアの数を大幅に増やすことができます。
  論文  参考訳（メタデータ） (2023-03-24T15:42:54Z)

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。