論文の概要: Discrete Diffusion Bridges for Spatiotemporally Aligned Image Translation and Generation

• arxiv url: http://arxiv.org/abs/2608.29997v1
• Date: Sun, 30 Aug 2026 19:44:38 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-09-01 18:31:31.144467
• Title: Discrete Diffusion Bridges for Spatiotemporally Aligned Image Translation and Generation
• Title（参考訳）: 時空間的な画像変換と生成のための離散拡散ブリッジ
• Abstract要約: DDBは、画像翻訳と生成における標準離散拡散の基本的な相違を解決するために設計されたフレームワークである。 マスクとソーストークンの混合に状態を吸収するハイブリッド吸収機構を導入し,空間アンカーとして空間空間に効率的にソースを注入する。 さまざまな生成パラダイムにわたるフレームワークの汎用性と堅牢性を検証する実験。
• 参考スコア（独自算出の注目度）: 44.1310706833305
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: We propose Discrete Diffusion Bridges (DDB), a novel framework designed to resolve the fundamental spatiotemporal misalignment of standard discrete diffusion in image translation and generation. By corrupting data into a pure mask state via a random schedule, the conventional forward process induces a twofold misalignment: spatially, this pure-mask destination entirely discards the rich structural priors of the source image; temporally, the random masking order inherently contradicts the ``easy-first, hard-last'' decoding mechanism used during inference. To address this, DDB constructs a direct and efficient trajectory between domains. Spatially, we introduce a hybrid absorption mechanism that redefines the absorbing state to a stochastic mixture of mask and source tokens, effectively injecting source prior as spatial anchors into the latent space. Temporally, we design an information-guided noise schedule that quantifies semantic variation to prioritize the corruption of high-information regions at earlier timesteps. This ensures the model learns to resolve difficult semantic changes using robust context from invariant regions. Extensive experiments validate the versatility and robustness of our framework across diverse generative paradigms. DDB effectively balances edit alignment with structural fidelity across both text-guided semantic manipulation and pure structural image translation, while inherently complementing text-to-image generation and guaranteeing robust high-quality decoding under extremely low sampling steps. Code and models are available at \href{https://github.com/HKU-HealthAI/DDB}{https://github.com/HKU-HealthAI/DDB}.
• Abstract（参考訳）: 画像翻訳・生成における標準離散拡散の時空間的相違を解消する新しいフレームワークである離散拡散ブリッジ(DDB)を提案する。 データをランダムなスケジュールで純粋なマスク状態に分解することにより、従来のフォワードプロセスは2重のミスアライメントを誘導する:空間的には、この純粋マスクの宛先は、ソース画像の豊富な構造的前提を完全に捨てる;時間的に、ランダムマスクの順序は、推論中に使用される `easy-first, hard-last'' 復号機構と本質的に矛盾する。 これを解決するため、DDBはドメイン間の直接的で効率的な軌道を構築する。 空間的に,マスクとソーストークンの確率的混合に吸収状態を再定義するハイブリッド吸収機構を導入する。 時折,情報誘導型ノイズスケジュールを設計し,意味的変動を定量化し,より早いタイミングで高情報領域の劣化を優先順位付けする。 これにより、モデルは不変領域からの堅牢なコンテキストを使用して、難しいセマンティックな変化を解決することができる。 大規模な実験は、多種多様な生成パラダイムにわたるフレームワークの汎用性と堅牢性を検証する。 DDBは、テキスト誘導セマンティック操作と純粋な構造的画像変換の両方において、編集の整合性と構造的忠実さのバランスを効果的に保ちながら、本質的にテキスト・画像生成を補完し、非常に低いサンプリングステップで堅牢な高品質なデコーディングを保証する。 コードとモデルは \href{https://github.com/HKU-HealthAI/DDB}{https://github.com/HKU-HealthAI/DDB} で入手できる。

関連論文リスト

• Source-Agnostic Image Translation Based on Latent Aware Adaptive Masking [2.0673681624647844]
  本稿では,逆拡散過程を通じて二項マスクを動的に洗練する情報源に依存しないフレームワークを提案する。 本手法では,経験的平均値と予測誤差の標準偏差から得られた時間依存統計的しきい値決定手法を提案する。 本手法は, 各種ソース分布の高精度かつ自動的ローカライゼーションとシームレスな翻訳を, 特別な訓練を伴わずに実現している。
  論文  参考訳（メタデータ） (2026-08-14T07:51:40Z)
• No Prompt, No Leaks: A Robust Generative Steganography Framework via Prompt-Free Diffusion [15.432428509145703]
  生成画像ステガノグラフィーは、秘密情報から直接ステゴ画像を合成し、固有のセキュリティ上の利点を実現する。 潜伏拡散モデル(Latent Diffusion Models)は、テキストプロンプトで秘密潜伏表現を変調する基本的な画像ステガノグラフィーフレームワークとして登場した。 本稿では,より堅牢で信頼性の高いステゴ画像生成を制御するために,スタイルセマンティクスを組み込んだプロンプトフリー拡散画像ステガノグラフィーフレームワークを提案する。
  論文  参考訳（メタデータ） (2026-06-30T09:51:34Z)
• LADR: Locality-Aware Dynamic Rescue for Efficient Text-to-Image Generation with Diffusion Large Language Models [10.535207607235046]
  Locality-Aware Dynamic Rescue (LADR) は画像の空間マルコフ特性を利用して推論を高速化する訓練不要の手法である。 LADRは、観測されたピクセルに空間的に隣接した領域である'世代フロンティア'でのトークンの回収を優先する。 4つのテキスト・画像生成ベンチマークの実験により、LADRは標準ベースラインよりも約4倍のスピードアップを達成することが示された。
  論文  参考訳（メタデータ） (2026-03-13T15:12:41Z)
• Unpaired Image-to-Image Translation via a Self-Supervised Semantic Bridge [59.247871132422006]
  逆拡散法と拡散反転法は、未ペア画像から画像への変換を先進的に進めているが、それぞれが鍵となる制限に直面している。 本稿では,外部意味を拡散ブリッジモデルに統合する汎用フレームワークであるSelf-Supervised Semantic Bridge (SSB)を提案する。 我々のキーとなる考え方は、自己教師付き視覚エンコーダを活用して、外観変化に不変な表現を学習するが、幾何学的構造を捉えることである。
  論文  参考訳（メタデータ） (2026-02-18T18:05:00Z)
• Bridging the Discrete-Continuous Gap: Unified Multimodal Generation via Coupled Manifold Discrete Absorbing Diffusion [60.186310080523135]
  離散データ(テキスト)に対する自己回帰的アプローチと連続データ(画像)に対する拡散的アプローチへの生成的モデリングの分岐は、真に統一されたマルチモーダルシステムの開発を妨げる。 階層的二重プロセスとしてマルチモーダル生成を再構成する新しい確率的フレームワークである textbfCoM-DAD を提案する。 提案手法は、標準的なマスキングモデルよりも優れた安定性を示し、スケーラブルで統一されたテキスト画像生成のための新しいパラダイムを確立する。
  論文  参考訳（メタデータ） (2026-01-07T16:21:19Z)
• AnchorDS: Anchoring Dynamic Sources for Semantically Consistent Text-to-3D Generation [56.399153019429605]
  この研究は、源動力学を無視すると、意味的手がかりを抑えるまたはマージする矛盾した軌跡が得られることを示している。 我々は、動的に変化するソース分布を固定されたターゲット分布にマッピングするものとして、テキストから3Dまでの最適化を再構成する。 AnchorDS(AnchorDS)は、画像の条件に応じた状態適応型ガイダンスを提供する、改良されたスコア蒸留機構である。
  論文  参考訳（メタデータ） (2025-11-12T09:51:23Z)
• Continuously Augmented Discrete Diffusion model for Categorical Generative Modeling [87.34677262370924]
  標準離散拡散モデルは、吸収[MASK]トークンにそれらをマッピングすることで、すべての観測されていない状態を同一に扱う。 これは'インフォメーション・ヴォイド'を生成します。そこでは、偽のトークンから推測できるセマンティック情報は、デノイングステップの間に失われます。 連続的拡張離散拡散(Continuously Augmented Discrete Diffusion)は、連続的な潜在空間における対拡散で離散状態空間を拡大するフレームワークである。
  論文  参考訳（メタデータ） (2025-10-01T18:00:56Z)
• Semantic Image Synthesis via Diffusion Models [174.24523061460704]
  Denoising Diffusion Probabilistic Models (DDPM) は様々な画像生成タスクにおいて顕著な成功を収めた。 セマンティック画像合成に関する最近の研究は、主に事実上のGANベースのアプローチに従っている。 意味画像合成のためのDDPMに基づく新しいフレームワークを提案する。
  論文  参考訳（メタデータ） (2022-06-30T18:31:51Z)

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。