論文の概要: ReBridge-Flow: Re-Coupling Posterior Bridges in Flow Matching for Image Restoration

• arxiv url: http://arxiv.org/abs/2609.00811v1
• Date: Tue, 01 Sep 2026 07:08:52 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-09-02 16:31:36.426914
• Title: ReBridge-Flow: Re-Coupling Posterior Bridges in Flow Matching for Image Restoration
• Title（参考訳）: ReBridge-Flow:画像復元のためのフローマッチングにおける後部橋の再結合
• Authors: Jiaqi Zhang, Yiqi Wang, Hongjie Wu, Bohan Guo, Xinan Wang, Zichen Luo, Taotao Cai, Zhi Chen, Mingkai Zheng,
• Abstract要約: Flow Matchingは、ソースとデータ分布間の連続的な転送を学習することで、画像復元のための効率的な生成前を提供する。 後部橋再結合法であるReBridge-Flowを提案する。 また, 計測誤差, 流れのずれ, ブリッジミスマッチを共同で特徴付けるポストリアブリッジ欠陥についても紹介する。
• 参考スコア（独自算出の注目度）: 16.256846855271622
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Flow Matching provides an efficient generative prior for image restoration by learning continuous transport between source and data distributions. However, existing methods typically incorporate measurement constraints through local corrections. Such corrections may disrupt the source-clean endpoint coupling implicitly encoded by the pretrained flow, making the corrected endpoint pair incompatible with the current state. To address this issue, we propose ReBridge-Flow, a posterior bridge re-coupling method. Specifically, given the current state, ReBridge-Flow first decodes the corresponding local source and clean endpoints. It then incorporates measurement information through clean-side anchoring and synchronously re-couples the source endpoint, yielding a measurement-aware endpoint pair with improved local bridge compatibility. The re-coupled endpoints further define a posterior-informed transport direction for advancing the sampling process. We also introduce the Posterior Bridge Defect, which jointly characterizes measurement error, deviation from the flow prior, and bridge mismatch, and leads to explicit updates for clean-side anchoring and source-side re-coupling. Extensive experiments on multiple natural and medical image restoration tasks demonstrate that ReBridge-Flow effectively alleviates bridge mismatch and improves the structural consistency of restored images.
• Abstract（参考訳）: Flow Matchingは、ソースとデータ分布間の連続的な転送を学習することで、画像復元のための効率的な生成前を提供する。 しかし、既存の手法は通常、局所的な補正を通じて測定制約を組み込む。 このような補正は、事前訓練された流れによって暗黙的に符号化されたソースクリーンエンドポイント結合を妨害し、修正されたエンドポイントペアが現在の状態と互換性がないようにする。 この問題に対処するために,後続橋再結合法であるReBridge-Flowを提案する。 具体的には、現在の状態を考えると、ReBridge-Flowはまず対応するローカルソースとクリーンエンドポイントをデコードする。 次に、クリーンサイドのアンカーを通じて測定情報を取り込み、ソースエンドポイントを同期的に再結合し、ローカルブリッジ互換性を改善した計測対応エンドポイントペアを生成する。 再結合されたエンドポイントはさらに、サンプリングプロセスを進めるための後部インフォームド輸送方向を定義する。 また, 計測誤差, 流れからのずれ, およびブリッジミスマッチを共同で特徴付け, クリーン側アンカーとソース側再結合の明示的な更新につながるポストリアブリッジ欠陥についても紹介する。 複数の自然・医学的な画像復元タスクに関する大規模な実験は、ReBridge-Flowが橋のミスマッチを効果的に軽減し、復元された画像の構造的整合性を改善することを示した。

関連論文リスト

• Root-Selecting Fixed-Point Inversion for Rectified Flows via Trajectory Straightness [19.899979970076163]
  既存の固定点反転法は、各反転ステップを固定点問題として定式化することにより、反転精度を向上させる。 本稿では,より直線的な逆軌道を誘導する固定点解を選択する固定点逆変換法であるSelFixを提案する。 FLUX.1-devとPIE-Benchの実験では、SelFixは固定点インバージョンを改善し、より強力な実像再構成を実現し、ソース保存のプロンプトベースの編集を改善する。
  論文  参考訳（メタデータ） (2026-06-16T06:46:10Z)
• Exploring the Design Space of Reward Backpropagation for Flow Matching [47.80328464705813]
  FlowBPは、後方軌道自体をデザインオブジェクトとして扱う統一的なサロゲート・トラジェクトリフレームワークである。 FlowBP-Sparse、FlowBP-Bridge、FlowBP-Lagrangeの3つの変種をインスタンス化する。 アクティブセットサイズと制限勾配連鎖による3つの有界メモリは、少なくとも1つのジャコビアン因子に連鎖する。
  論文  参考訳（メタデータ） (2026-06-09T16:36:54Z)
• Resolving Endpoint Underfitting in Diffusion Bridges via Noise Alignment [35.01797772219974]
  拡散ブリッジモデルは、2つのデータ分散を接続するための強力なフレームワークを提供する。 多くの既存手法が標準拡散モデルのスコアマッチング定式化を模倣してこの橋を学習している。 そこで本研究では,この手法がターゲットの終端付近で異常な不適合現象を引き起こすことを発見した。 本稿では,この問題を解決するため,ノイズアラインド拡散橋(NADB)を提案する。
  論文  参考訳（メタデータ） (2026-05-27T18:07:21Z)
• IR-Flow: Bridging Discriminative and Generative Image Restoration via Rectified Flow [46.532530550015736]
  本稿では,Rectified Flowに基づく新しい画像復元手法IR-Flowを提案する。 まず, モデルから学習し, 様々なレベルの劣化に適応できる多層データ分散フローを構築した。 劣化画像領域とクリーン画像領域間の直線移動流を直接確立することにより,高速な推論が可能となるだけでなく,分布外劣化への適応性も向上することを示す。
  論文  参考訳（メタデータ） (2026-04-21T16:58:14Z)
• Trajectory Stitching for Solving Inverse Problems with Flow-Based Models [68.36374645801901]
  フローベースの生成モデルは、逆問題を解決するための強力な先行要因として現れてきた。 1つの初期コードではなく、中間潜在状態の列として軌道を表すMS-Flowを提案する。 画像の回復と逆問題に対するMS-Flowの有効性を示す。
  論文  参考訳（メタデータ） (2026-02-09T11:36:41Z)
• FlowAlign: Trajectory-Regularized, Inversion-Free Flow-based Image Editing [47.908940130654535]
  FlowAlignは、最適な制御ベースの軌道制御による一貫した画像編集のためのインバージョンフリーなフローベースフレームワークである。 我々の終点正規化は、編集プロンプトとのセマンティックアライメントのバランスと、軌道に沿ったソース画像との構造的整合性を示す。 FlowAlignは、ソース保存と編集の制御性の両方において、既存のメソッドよりも優れています。
  論文  参考訳（メタデータ） (2025-05-29T06:33:16Z)

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。