論文の概要: Masked diffusion enables coherent beat tracking

• arxiv url: http://arxiv.org/abs/2608.04624v1
• Date: Wed, 05 Aug 2026 09:28:18 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-08-06 14:48:43.802264
• Title: Masked diffusion enables coherent beat tracking
• Title（参考訳）: マスケ拡散によるコヒーレントビート追跡
• Authors: Francesco Foscarin, Filip Korzeniowski, Richard Vogl,
• Abstract要約: ビートトラッキングのための現在のニューラルネットワークは、連続的なダウンビートや不規則なテンポ変化などの不正な出力を生成する。 我々は、複数の可算出力ビートグリッドの不十分なモデリングに由来すると仮定する。 本稿では,複数の出力を適切にモデル化し,コヒーレントな予測モデルの構築を可能にするマスク拡散手法を提案する。
• 参考スコア（独自算出の注目度）: 2.967653271740509
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Current neural networks for beat tracking generate invalid outputs, such as consecutive downbeats and erratic tempo changes, even when these are not present in the training data. Heavy post-processing techniques can alleviate these problems, but the original cause of this inconsistent behaviour remains unknown. We hypothesise that it stems from inadequate modelling of multiple plausible output beat grids, resulting in an invalid mixture of competing interpretations. We propose a masked diffusion approach that properly models multiple outputs and enables the model to build coherent predictions through iterative inference. We devise three modifications to standard masked diffusion that enable its application to beat tracking: independent masking of beats and downbeats during training and inference, a balanced masking scheduler for inference, and peak-picking across inference steps. Our approach reduces erratic behaviours and improves beat-tracking performance.
• Abstract（参考訳）: ビートトラッキングのための現在のニューラルネットワークは、トレーニングデータに存在しない場合でも、連続的なダウンビートや不規則なテンポ変化などの不正な出力を生成する。 重い後処理技術はこれらの問題を緩和することができるが、この矛盾した振る舞いの原原因はいまだ不明である。 我々は、複数の可算出力ビートグリッドの不十分なモデリングに起因し、競合する解釈の無効な混合をもたらすと仮定する。 本稿では,複数の出力を適切にモデル化し,反復的推論によるコヒーレントな予測を構築するためのマスク付き拡散手法を提案する。 我々は、トレーニングと推論中にビートとダウンビートを個別にマスキングすること、推論のためのバランスの取れたマスキングスケジューラ、推論ステップ間のピークピッキングという、ビートトラッキングを実現するための標準的なマスク拡散の3つの修正を考案した。 我々の手法は不規則な振る舞いを減らし、ビートトラッキング性能を向上させる。

関連論文リスト

• Accelerating Speculative Diffusions via Block Verification [77.23389794645801]
  投機的復号化は、トークンを生成するためにドラフトモデルを使用することでLLM推論を高速化する。 既存の拡散適応は非効率的なサンプリング技術を使うか、代替のスキームに依存する。 本稿では,拡散モデルに対して,従来の投機的サンプリング機構を効率的に実装する新しい手法を提案する。
  論文  参考訳（メタデータ） (2026-06-11T14:54:13Z)
• Training-Free Self-Correction for Multimodal Masked Diffusion Models [61.84305395626145]
  本研究では,事前学習したマスク拡散モデルの帰納バイアスを利用した学習自由自己補正フレームワークを提案する。 本手法は,サンプリングステップを短縮したテキスト・画像生成およびマルチモーダル理解タスクにおける生成品質を著しく向上させる。
  論文  参考訳（メタデータ） (2026-02-02T23:58:15Z)
• Self-Rewarding Sequential Monte Carlo for Masked Diffusion Language Models [58.946955321428845]
  本研究は自己回帰型モンテカルロ(SMC)を提示する。 提案アルゴリズムは,既存のMDLMのほとんどが信頼性に基づくサンプリング戦略に依存している点に起因している。 粒子重み付けのための自己回帰信号として軌道レベルの信頼性を導入する。
  論文  参考訳（メタデータ） (2026-02-02T09:21:45Z)
• Test-Time Anchoring for Discrete Diffusion Posterior Sampling [38.507644561076894]
  後方サンプリングは、事前訓練された離散拡散基礎モデルにとって難しい問題である。 マスク拡散基礎モデルのためのAnchored Posterior Smpling (APS) を提案する。 本手法は線形および非線形逆問題に対する離散拡散サンプリング器の最先端性能を実現する。
  論文  参考訳（メタデータ） (2025-10-02T17:58:37Z)
• Generalized Interpolating Discrete Diffusion [65.74168524007484]
  仮面拡散はその単純さと有効性のために一般的な選択である。 ノイズ発生過程の設計において、より柔軟性の高い離散拡散(GIDD)を補間する新しいファミリを一般化する。 GIDDの柔軟性をエクスプロイトし、マスクと均一ノイズを組み合わせたハイブリッドアプローチを探索し、サンプル品質を向上する。
  論文  参考訳（メタデータ） (2025-03-06T14:30:55Z)
• VIPaint: Image Inpainting with Pre-Trained Diffusion Models via Variational Inference [5.852077003870417]
  我々のVIPaint法は,提案手法の妥当性と多様性の両方において,従来の手法よりも優れていることを示す。 我々のVIPaint法は,提案手法の妥当性と多様性の両方において,従来の手法よりも優れていることを示す。
  論文  参考訳（メタデータ） (2024-11-28T05:35:36Z)
• Observation-Guided Diffusion Probabilistic Models [41.749374023639156]
  観測誘導拡散確率モデル(OGDM)と呼ばれる新しい拡散に基づく画像生成法を提案する。 本手法は,観測プロセスの指導をマルコフ連鎖と統合することにより,トレーニング目標を再構築する。 本研究では,強力な拡散モデルベースライン上での多様な推論手法を用いたトレーニングアルゴリズムの有効性を示す。
  論文  参考訳（メタデータ） (2023-10-06T06:29:06Z)
• Distribution Mismatch Correction for Improved Robustness in Deep Neural Networks [86.42889611784855]
  正規化法は ノイズや入力の腐敗に関して 脆弱性を増大させる 本稿では,各層の活性化分布に適応する非教師なし非パラメトリック分布補正法を提案する。 実験により,提案手法は画像劣化の激しい影響を効果的に低減することを示した。
  論文  参考訳（メタデータ） (2021-10-05T11:36:25Z)

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。