論文の概要: UniCycleFlow: Bidirectional Unpaired Image Translation with a Shared Rectified Flow
- arxiv url: http://arxiv.org/abs/2608.06784v1
- Date: Fri, 07 Aug 2026 04:05:04 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-08-10 16:21:25.356805
- Title: UniCycleFlow: Bidirectional Unpaired Image Translation with a Shared Rectified Flow
- Title（参考訳）: UniCycleFlow: 共有整流による双方向不対流画像変換
- Abstract要約: 双方向不対画像変換は, 両方向のコヒーレントな変換をペアの監督なしに学習しながら, ソース固有の構造を保たなければならない。
単時間条件の速度場の前方逆積分として双方向翻訳を表現した整流フローフレームワークUniCycleFlowを提案する。
- 参考スコア（独自算出の注目度）: 14.60117153247222
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Bidirectional unpaired image translation must preserve source-specific structure while learning coherent transformations in both directions without paired supervision. Existing methods typically employ two direction-specific generators or train separate one-way models. Even when linked by cycle consistency, such models constrain only the round-trip endpoint reconstruction, without requiring the two directions to obey a common local transformation rule. We propose UniCycleFlow, a rectified-flow framework that represents bidirectional translation as forward and reverse integration of a single time-conditioned velocity field. This formulation organizes both directions within the same continuous dynamics, rather than coupling otherwise separate endpoint mappings. A key challenge is that unpaired data provide no meaningful source--target coupling from which rectified-flow trajectories can be constructed. UniCycleFlow addresses this challenge by learning deterministic source-conditioned endpoints whose marginal distributions are adversarially matched to the opposite domains. The resulting paths are regularized by stop-gradient self-flow matching for intermediate velocity supervision, discrete cycle closure for forward--reverse consistency, and representation path-velocity regularization for controlling localized feature changes along the trajectory. Across ten translation directions, UniCycleFlow achieves the lowest FID on 7 of 10 tasks using a single Euler evaluation and obtains the best average FID of 55.1.
- Abstract（参考訳）: 双方向不対画像変換は, 両方向のコヒーレントな変換をペアの監督なしに学習しながら, ソース固有の構造を保たなければならない。
既存の方法は通常、2つの方向固有のジェネレータを使用するか、別々の片方向モデルを訓練する。
サイクル整合性によってリンクされたとしても、そのようなモデルは共通の局所変換規則に従うために2つの方向を必要とせず、ラウンドトリップの終点再構成のみを制約する。
単時間条件の速度場の前方逆積分として双方向翻訳を表現した整流フローフレームワークUniCycleFlowを提案する。
この定式化は、別のエンドポイントマッピングを結合するのではなく、同じ連続力学内で両方の方向を整理する。
鍵となる課題は、未ペアデータには意味のあるソースとターゲットの結合がなく、そこから修正されたフローの軌跡を構築することができることである。
UniCycleFlowは決定論的ソース条件のエンドポイントを学習することでこの問題に対処する。
得られた経路は、中間速度監督のための停止段階の自己フローマッチング、前方逆整合のための離散サイクルクロージャ、軌道に沿った局所的な特徴変化を制御するための表現経路-速度正規化により正規化される。
10の翻訳方向にわたって、UniCycleFlowは1つのEuler評価を用いて10のタスクのうち7つのタスクで最低のFIDを獲得し、55.1の平均FIDを得る。
関連論文リスト
- Difficulty-Calibrated Interpolation Paths for Conditional Flow Matching [0.0]
条件付きフローマッチングは、所定のノイズ・データ・パスの速度にネットワークを後退させて生成モデルを訓練する。
本研究では,条件付きフローマッチングの回帰困難度が経路に沿って系統的に変化することを示す。
本稿では,モデル自体からスケジュールを導出するDifficulty-Calibrated Flow Matchingを提案する。
論文 参考訳（メタデータ） (2026-08-21T16:42:52Z) - Reward Transport: Property Control in Flow Matching via Noise-Space Alignment [30.541631728490202]
フローマッチングにおける結合は、学習されたフローフィールドに直接制御可能な構造を埋め込むことができることを示す。
トレーニング時に最適な輸送結合を用いて,スカラーノイズ空間座標を分子報酬と整合させるReward Transportを導入する。
実験的に、ZINC-250K と Guaca 上で、スカラーを網羅すると logP の単調な制御と、その動作範囲に対する一貫した QED 制御が誘導される。
論文 参考訳（メタデータ） (2026-06-13T00:17:15Z) - Self-Consistent Generative Paths via Admissible Random Variational Transport [14.74009385288423]
確率経路はいつ自己整合するのか?
自己整合性生成経路を許容可能な局所変分輸送補正のランダムな固定点として定義する。
結果として生じる理論は、エンドポイントマッチングを経路自己整合性テストに変換する。
論文 参考訳（メタデータ） (2026-06-08T02:56:06Z) - GeoFlowVLM: Geometry-Aware Joint Uncertainty for Frozen Vision-Language Embedding [3.0708725114491293]
ペア化された$ell$-normalized dual-encoder VLM の結合分布を学習するポストホックアダプタとして textbfGeoFlowVLM を提案する。
整合性の結果, 人口制限下では, トレーニングされたネットワークは, 接合流と両モード条件流を露呈することがわかった。
この単一モデルから2つの量を得る:Fano型境界による決定論的解釈でアレター的曖昧さを定量化する条件付き検索エントロピーと、関節NLLの正確な連鎖ルール分解によって正当化される限界特異性スコアである。
論文 参考訳（メタデータ） (2026-05-13T11:12:18Z) - Follow the Mean: Reference-Guided Flow Matching [10.73543578064991]
フローマッチングは異なる制御インターフェース(例による適応)を持つことを示す。
決定論的補間子の場合、速度場は条件付き終端平均によってのみ支配される。
これは制御可能な生成の単純な原理である:従う参照集合を変更して事前訓練されたモデルを操る。
論文 参考訳（メタデータ） (2026-05-11T09:57:34Z) - Posterior Augmented Flow Matching [64.1559809786948]
後拡張フローマッチング(PAFM)はフローマッチング(FM)の一般化である
PAFMは、異なるモデルスケールで最大3.4FID50KでFMよりも改善されていることを示す。
論文 参考訳（メタデータ） (2026-05-01T17:59:59Z) - Chain of Modality: From Static Fusion to Dynamic Orchestration in Omni-MLLMs [84.3271821505699]
カオス・オブ・モダリティ(Chain of Modality, CoM)は、マルチモーダル融合を受動的結合から動的オーケストレーションに移行するエージェントフレームワークである。
CoMはトレーニングフリーまたはデータ効率のSFT設定で動作し、様々なベンチマークで堅牢で一貫した一般化を実現する。
論文 参考訳（メタデータ） (2026-04-16T01:21:14Z) - On Exact Editing of Flow-Based Diffusion Models [97.0633397035926]
本研究では,フローベース編集を既知ソースによって駆動される分散変換問題として再構成する条件付き速度補正(CVC)を提案する。
CVCは、双対パースペクティブな速度変換機構を導入することにより、分配間変換における速度の役割を再考する。
我々は,CVCが優れた忠実度,セマンティックアライメント,多種多様なタスクに対する信頼性の高い編集動作を一貫して達成していることを示す。
論文 参考訳（メタデータ） (2025-12-30T06:29:20Z) - Bidirectional Feature-aligned Motion Transformation for Efficient Dynamic Point Cloud Compression [97.66080040613726]
特徴空間における動きを暗黙的にモデル化する双方向特徴整合運動変換(Bi-FMT)フレームワークを提案する。
Bi-FMTは、時間的に一貫した潜在表現を生成するために、過去と将来の両方のフレームで機能を調整する。
圧縮効率とランタイムの両方において, Bi-FMT が D-DPCC と AdaDPCC を上回っていることを示す。
論文 参考訳（メタデータ） (2025-09-18T03:51:06Z) - Time-series Generation by Contrastive Imitation [87.51882102248395]
モーメントマッチングの目的によってモチベーションされ、複合的エラーを軽減し、局所的(しかし前方的な)遷移ポリシーを最適化する。
推論において、学習されたポリシーは反復的なサンプリングのジェネレータとして機能し、学習されたエネルギーはサンプルの品質を評価するための軌道レベル尺度として機能する。
論文 参考訳（メタデータ） (2023-11-02T16:45:25Z) - Do Generative Models Know Disentanglement? Contrastive Learning is All
You Need [59.033559925639075]
本論文では,変数空間におけるコントラスト(DisCo)による非監視的,モデル非依存的手法を提案する。
DisCoは、GAN、VAE、およびフローを含む、事前訓練された非解離生成モデルに与えられた最先端の解離を達成します。
論文 参考訳（メタデータ） (2021-02-21T08:01:20Z)
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。