論文の概要: Balancing Frequencies and Pixels in Flow Matching

• arxiv url: http://arxiv.org/abs/2609.02748v1
• Date: Wed, 02 Sep 2026 15:49:24 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-09-03 17:53:18.457227
• Title: Balancing Frequencies and Pixels in Flow Matching
• Title（参考訳）: フローマッチングにおける周波数と画素のバランシング
• Abstract要約: 画素空間再構成の目的は全ての空間誤差を均一に処理し、低周波が最適化信号を支配する。 本稿では,周波数間の学習信号の等化を図ったFocal Log-Frequency Loss目標を提案する。 われわれのアプローチは概念的には単純で、アーキテクチャの変更は必要とせず、フローマッチング損失の代替として機能する。
• 参考スコア（独自算出の注目度）: 43.75072807799361
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Natural images follow a $1/f^2$ spectral distribution: most signal energy lies in the low spatial frequencies, while the perceptually important structures such as textures and edges occupy sparse high-frequency bands. Pixel-space reconstruction objectives, however, treat all spatial errors uniformly, causing low frequencies to dominate the optimization signal and delaying the learning of fine-scale details. In this work, we identify this objective-level spectral imbalance as a key inefficiency in training pixel-space flow models. To address it, we propose a Focal Log-Frequency Loss (f-loss), a spectrally balanced objective that equalizes the learning signal across frequencies, emphasizing high-frequency components that are otherwise underrepresented in pixel-space objectives. Building on this, we introduce a simple training strategy that combines frequency and pixel supervision: we first emphasize frequency-domain learning early to capture all frequencies, and then transition to standard pixel-space v-loss for spatial refinement. This balancing mitigates the low-frequency bias of pixel losses and aligns the training signal with the evolving needs of the model. Our approach is conceptually simple, requires no architectural changes, and acts as a drop-in replacement for flow matching losses. Across multiple model scales, it accelerates convergence by up to 40% while consistently improving FID and perceptual fidelity. We will release code and models.
• Abstract（参考訳）: 自然画像は1/f^2$のスペクトル分布に従っており、ほとんどの信号エネルギーは低空間周波数にあるが、テクスチャーやエッジといった知覚上重要な構造は低周波帯を占める。 しかし、画素空間再構成の目的は、全ての空間誤差を均一に扱い、低周波が最適化信号を支配し、微細な詳細の学習を遅らせる。 本研究では、この目的レベルのスペクトル不均衡を、画素空間フローモデルのトレーニングにおける重要な非効率性として同定する。 そこで我々は,Focal Log-Frequency Loss (f-loss)を提案する。これはスペクトルバランスの取れた目標であり,周波数間での学習信号の等化を図り,それ以外は画素空間の目的で表現されていない高周波成分を強調する。 そこで我々は、まず、周波数領域の学習を早期に強調して全周波数を捕捉し、次に標準画素空間のv-lossに遷移して空間改善を行う。 このバランスは、画素損失の低周波バイアスを緩和し、トレーニング信号とモデルの進化するニーズを一致させる。 われわれのアプローチは概念的には単純で、アーキテクチャの変更は必要とせず、フローマッチング損失の代替として機能する。 複数のモデルスケールで収束を最大40%加速し、FIDと知覚忠実度を継続的に改善する。 コードとモデルをリリースします。

関連論文リスト

• WaiT for the Signal: Simple Frequency-Aware Flow-Matching [60.56691023057048]
  本稿では,ウェーブレット対応画像変換器のWaiTについて紹介する。 ImageNet 512x512では、WaiTは1.43ピクセル空間のFIDを実現し、サンプリング計算を最大50%削減した。 我々の定式化はテクスチャの忠実度において最強の潜在空間モデルよりも優れており、高解像度のOpenImageやビデオ生成にシームレスにスケールする。
  論文  参考訳（メタデータ） (2026-07-30T18:26:19Z)
• Show the Signal, Hide the Noise: Spectral Forcing for Pixel-Space Diffusion [46.51681899437508]
  本稿では,パラメータフリーで時間条件付き2D-DCTローパス演算子であるSpectral Forcingを導入する。 その遮断は拡散時間とともに単調に膨張し、データエンドポイントのアイデンティティとなる。 JiT-700M/32のImageNet-256では、Spectral Forcingは、異なるトレーニングエポック間で、FIDとInception Scoreの両方を一貫して改善している。
  論文  参考訳（メタデータ） (2026-06-13T10:29:11Z)
• Adaptive Local Frequency Filtering for Fourier-Encoded Implicit Neural Representations [7.7579389797716365]
  フーリエ符号化INRに対する適応型局所周波数フィルタリング法を提案する。 提案手法では,エンコードされたフーリエ成分を変調するために,空間的に変化するパラメータ $(mathbfx)$ を導入する。 2次元画像整合、3次元形状表現、スパースデータ再構成の実験は、提案手法が常に再現品質を向上させることを示す。
  論文  参考訳（メタデータ） (2026-04-03T08:04:30Z)
• Spectral Bottleneck in Deep Neural Networks: Noise is All You Need [0.0]
  本稿では,スペクトルのボトルネックの影響を受けやすい高周波優先信号の適合性について検討する。 周波数の内容に関わらず、任意のターゲット信号に効果的に適合させるため、一般化されたターゲット摂動スキームを提案する。 本研究では,ネットワーク活性化スペクトルと経験的ニューラル・タンジェント・カーネルの固有ベイジを制御できることを示す。
  論文  参考訳（メタデータ） (2025-09-09T22:16:24Z)
• Freqformer: Image-Demoiréing Transformer via Efficient Frequency Decomposition [83.40450475728792]
  本稿では,Freqformerについて述べる。Freqformerは,ターゲット周波数分離による画像復号化に特化して設計されたトランスフォーマーベースのフレームワークである。 本手法は,モワールパターンを高周波数空間局在化テクスチャと低周波数スケールローバスト色歪みに明確に分割する有効な周波数分解を行う。 様々なデモアのベンチマーク実験により、Freqformerは、コンパクトなモデルサイズで最先端のパフォーマンスを達成することを示した。
  論文  参考訳（メタデータ） (2025-05-25T12:23:10Z)
• FreqU-FNet: Frequency-Aware U-Net for Imbalanced Medical Image Segmentation [0.0]
  FreqU-FNetは周波数領域で動作する新しいU字型セグメンテーションアーキテクチャである。 我々のフレームワークは、低パス畳み込みとDubechiesウェーブレットに基づくダウンサンプリングを利用する周波数を組み込んでいる。 複数の医療セグメンテーションベンチマークの実験では、FreqU-FNetはCNNとTransformerのベースラインを一貫して上回っている。
  論文  参考訳（メタデータ） (2025-05-23T06:51:24Z)
• Misalignment-Robust Frequency Distribution Loss for Image Transformation [51.0462138717502]
  本稿では,画像強調や超解像といった深層学習に基づく画像変換手法における共通の課題に対処することを目的とする。 本稿では、周波数領域内における分布距離を計算するための、新しいシンプルな周波数分布損失(FDL)を提案する。 本手法は,周波数領域におけるグローバル情報の思慮深い活用により,トレーニング制約として実証的に有効であることが実証された。
  論文  参考訳（メタデータ） (2024-02-28T09:27:41Z)
• Spatial-Frequency U-Net for Denoising Diffusion Probabilistic Models [89.76587063609806]
  画素空間の代わりにウェーブレット空間における拡散確率モデル(DDPM)を視覚合成のために検討した。 ウェーブレット信号を明示的にモデル化することで、我々のモデルは複数のデータセット上でより高品質な画像を生成することができる。
  論文  参考訳（メタデータ） (2023-07-27T06:53:16Z)

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。