論文の概要: NoisEasier: Test-Time Noise Optimization for Text-to-Video Generation
- arxiv url: http://arxiv.org/abs/2608.30194v1
- Date: Mon, 31 Aug 2026 03:17:52 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-09-01 18:31:31.209294
- Title: NoisEasier: Test-Time Noise Optimization for Text-to-Video Generation
- Title（参考訳）: NoisEasier:テキスト・ビデオ・ジェネレーションのためのテスト時間ノイズ最適化
- Abstract要約: 拡散モデルは最近、テキスト・ツー・ビデオ(T2V)の生成が進んでいるが、それでも細かな構成アライメントに苦慮している。
ノイズ最適化によるT2V生成を改善するテスト時間スケーリングフレームワークであるNoisEasierを提案する。
- 参考スコア（独自算出の注目度）: 10.472880594575196
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Diffusion models have recently advanced text-to-video (T2V) generation, yet they still struggle with fine-grained compositional alignment, such as attribute binding, spatial relations, and object interactions. While reward-based fine-tuning improves alignment, it is susceptible to reward hacking and adapts poorly to new prompt distributions. In this work, we propose NoisEasier, a test-time scaling framework that improves T2V generation through differentiable reward-guided noise optimization without modifying the underlying model. By combining efficient short-step generators with a multi-objective reward formulation, NoisEasier enables stable and practical test-time optimization under realistic inference budgets. Our key insight is that jointly optimizing the entire stochastic trajectory accelerates reward convergence and improves compositional alignment over optimizing only the initial latent, with negligible additional computational and time cost. Experiments on VBench and T2V-CompBench demonstrate consistent improvements across multiple backbones, achieving over 10% average gains on challenging dimensions such as attribute binding, object interaction, and numeracy. Overall, NoisEasier serves as both a flexible alternative and a complementary enhancement to reward-based fine-tuning, establishing test-time scaling as an effective paradigm for controllable text-to-video generation.
- Abstract（参考訳）: 拡散モデルは最近、テキスト・ツー・ビデオ(T2V)の生成が進んでいるが、属性結合、空間関係、オブジェクトの相互作用など、細かな構成アライメントに苦慮している。
報酬ベースの微調整はアライメントを改善するが、ハッキングに報酬を与えることができ、新しいプロンプトディストリビューションにはあまり適応しない。
本研究では,T2V 生成を改善するテスト時間スケーリングフレームワークである NoisEasier を提案する。
効率的なショートステップジェネレータと多目的報酬の定式化を組み合わせることで、現実的な推論予算の下で安定的で実用的なテスト時間最適化を可能にする。
我々の重要な洞察は、確率軌道全体を協調的に最適化することで報酬収束が加速し、初期潜時のみを最適化するよりも構成整合性が向上し、追加計算と時間コストが無視できるということである。
VBenchとT2V-CompBenchの実験は、複数のバックボーンで一貫した改善を示し、属性バインディング、オブジェクトの相互作用、数値化といった挑戦的な次元で10%以上の平均ゲインを達成する。
全体として、NoisEasierはフレキシブルな代替手段であり、報酬ベースの微調整に補完的な拡張であり、テスト時間スケーリングを制御可能なテキスト・ビデオ生成の効果的なパラダイムとして確立している。
関連論文リスト
- Inference-Time Scaling for Joint Audio-Video Generation [38.09471807128537]
ジョイントオーディオビデオ生成モデルは、忠実性を改善するためにかなりのトレーニングリソースを必要とすることが多い。
推論時間スケーリングは、単一のモダリティドメインにおいて、有望なトレーニング不要の代替手段である。
共同音声・ビデオ生成のためのITSの総合的研究について紹介する。
論文 参考訳（メタデータ） (2026-06-02T05:41:41Z) - Anon: Extrapolating Adaptivity Beyond SGD and Adam [25.876261427108673]
Anonは、古典と近代のギャップを埋めることのできる、最初の統一的で信頼性の高いフレームワークを提供する。
Anonはハードトラックよりも柔軟で、ノイズに対する勾配の堅牢性を高める。
論文 参考訳（メタデータ） (2026-05-04T08:14:51Z) - AdaExplore: Failure-Driven Adaptation and Diversity-Preserving Search for Efficient Kernel Generation [59.964989458924585]
AdaExploreは、パフォーマンスクリティカルなカーネルコード生成のための蓄積された実行フィードバックによる自己改善を可能にするエージェントフレームワークである。
適応段階では、エージェントはタスクを合成し、繰り返し発生する障害を有効ルールの再利用可能なメモリに変換する。
探索段階では、候補核を木として整理し、小さな局所精製とより大きな構造再生を交互に行う。
論文 参考訳（メタデータ） (2026-04-17T18:25:03Z) - Diff3R: Feed-forward 3D Gaussian Splatting with Uncertainty-aware Differentiable Optimization [76.38917994186733]
Diff3Rはフィードフォワード予測とテストタイム最適化をブリッジする新しいフレームワークである。
フィードフォワード3DGSアーキテクチャにシームレスに統合でき、ポーズギヴン法とポーズフリー法の両方に対応できることを示す。
論文 参考訳（メタデータ） (2026-04-01T15:40:20Z) - NOVAK: Unified adaptive optimizer for deep neural networks [0.0]
NOVAKは、適応モーメント推定、修正学習率スケジューリング、デカップリングウェイト正規化、ネステロフ運動量の複数変種、ルックアヘッド同期を統一されたパフォーマンス指向のフレームワークに統合する勾配に基づく最適化アルゴリズムである。
論文 参考訳（メタデータ） (2026-01-11T13:03:57Z) - ROOT: Robust Orthogonalized Optimizer for Neural Network Training [47.05662448082334]
大規模言語モデル(LLM)は、特にモデルのスケーリングがインプレクションやトレーニングの不安定性に対する感受性を悪化させるため、依然として重要な課題である。
我々は,特定の行列サイズに合わせた反復によるロバスト性を高める次元ロバスト化手法を開発した。
第2に,有意な方向を保ちながら外周雑音を抑制する最適化ロバスト化フレームワークを提案する。
論文 参考訳（メタデータ） (2025-11-25T18:48:05Z) - HVAdam: A Full-Dimension Adaptive Optimizer [18.315990067259253]
Anonは、古典と近代のギャップを埋めることのできる、最初の統一的で信頼性の高いフレームワークを提供する。
アニオンはSGDライクな行動とアダムライクな行動の両方を補間する。
論文 参考訳（メタデータ） (2025-11-25T13:05:40Z) - RAPO++: Cross-Stage Prompt Optimization for Text-to-Video Generation via Data Alignment and Test-Time Scaling [59.088798018184235]
textbfRAPO++は、クロスプラットフォームのプロンプト最適化フレームワークである。
トレーニングデータの整合性向上、テスト時の反復スケーリング、大規模言語モデルの微調整を統一する。
RAPO++は意味的アライメント、構成的推論、時間的安定性、物理的妥当性において大きな進歩を遂げている。
論文 参考訳（メタデータ） (2025-10-23T04:45:09Z) - Interactive Test-Time Adaptation with Reliable Spatial-Temporal Voxels for Multi-Modal Segmentation [56.70910056845503]
マルチモーダルテストタイム適応(MM-TTA)は、補完的なマルチモーダル入力をオンライン形式で活用することにより、ラベルのないターゲットドメインにモデルを適応させる。
従来のMM-TTA法は, 時間的不整合によるフレームワイドの不安定な予測と, 信頼度誘導の仮定に反する不正確な予測の2つの大きな限界に悩まされていた。
Latte++は、より情報的な幾何学的対応によって不安定なフレーム単位の予測をより抑制し、対話型テスト時間適応(ITTA)は、努力を伴わない人間のフィードバックを促進するフレキシブルなアドオンである。
論文 参考訳（メタデータ） (2024-03-11T06:56:08Z) - Bidirectional Looking with A Novel Double Exponential Moving Average to
Adaptive and Non-adaptive Momentum Optimizers [109.52244418498974]
我々は,新しいtextscAdmeta(textbfADouble指数textbfMov averagtextbfE textbfAdaptiveおよび非適応運動量)フレームワークを提案する。
我々は、textscAdmetaR と textscAdmetaS の2つの実装を提供し、前者は RAdam を、後者は SGDM をベースとしています。
論文 参考訳（メタデータ） (2023-07-02T18:16:06Z)
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。