論文の概要: SwiftExplorer: Training-free Diffusion Model Alignment with Swift Diversity Exploration
- arxiv url: http://arxiv.org/abs/2609.06651v1
- Date: Sun, 06 Sep 2026 15:03:44 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-09-10 19:44:08.290071
- Title: SwiftExplorer: Training-free Diffusion Model Alignment with Swift Diversity Exploration
- Title（参考訳）: SwiftExplorer: Swiftの多様性探索によるトレーニング不要な拡散モデルアライメント
- Abstract要約: 我々は,過度の多様性損失による分散崩壊を軽減し,計算コストを削減するSwiftExplorerを提案する。
多数の実験とさまざまなタイプの評価メトリクスにおいて、提案されたSwiftExplorerは、すべてのメトリクスで優れたパフォーマンスを実現している。
- 参考スコア（独自算出の注目度）: 10.718705677409275
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Diffusion models have general generative abilities but struggle to align with specific objectives. Fine-tuning can improve alignment, yet its training cost is often prohibitive. This led to training-free methods that apply objective-guided terms in sampling to bias the generation distribution toward designated regions, e.g., high-reward areas. However, these methods face two issues: (1) the strong directional bias narrows the pretrained distribution and generation diversity, and (2) indiscriminate constant guidance fails to prune redundant signals, hurting both quality and efficiency. To address the above challenges, we propose SwiftExplorer, a plugin that mitigates distribution collapse caused by excessive diversity loss and reduces compute costs. First, we adopt an Inheritance-Restart exploration mechanism to avoid early convergence, while exploration also increases the likelihood of high-reward trajectories. Additionally, it balances diversity and fidelity, adding diversity without causing a distribution over-shift. Second, our Quality-Efficiency arbitration mechanism improves guidance by removing incorrect signals, and it reduces computation by dynamically stopping generation when completeness and marginal reward gain are optimal. In an extensive number of experiments and different types of evaluation metrics, the proposed SwiftExplorer achieves excellent performance on all metrics, including preference, fidelity, diversity, and richness.
- Abstract（参考訳）: 拡散モデルには一般的な生成能力があるが、特定の目的に合わせるのに苦労する。
微調整はアライメントを改善することができるが、トレーニングコストはしばしば禁止される。
これにより, 標本化における客観的誘導項の適用により, 特定領域, ハイリワード領域に対する生成分布の偏りが生じる。
しかし,これらの手法は,(1) 指向性バイアスが事前学習した分布と生成の多様性を狭め,(2) 識別不能な定性誘導が冗長な信号を発生させるのに失敗し,品質と効率を損なう,という2つの問題に直面している。
上記の課題に対処するため,過度の多様性損失による分散崩壊を軽減し,計算コストを削減するSwiftExplorerを提案する。
まず、早期収束を避けるために、継承再スタート探索機構を採用し、一方、探索は高逆軌道の可能性を増大させる。
さらに、多様性と忠実さのバランスを保ち、分布を過度に変化させることなく多様性を追加する。
第2に,不正確な信号を取り除き,完全性および限界報酬ゲインが最適である場合に生成を動的に停止することで計算を減らし,精度の高い調停機構を改良する。
多数の実験とさまざまな評価指標において、提案されたSwiftExplorerは、好み、忠実度、多様性、豊かさなど、すべての指標で優れたパフォーマンスを実現している。
関連論文リスト
- GRAS: Guided Reduced-Variance Proposals and Adaptive Selection for Training-Free Reward Alignment in Discrete Diffusion [8.46069844016289]
統合された体制を研究し、通常どのように実行されているかの2つの弱点を特定します。
得られた手法をガイド付き還元分散提案と適応選択 (GRAS) と呼ぶ。
GRASは、規制されたDNAとタンパク質の設計を通して、最高のトレーニングなし報酬を達成し、トレーニングなしの手法を上回り、報酬を微調整したモデルに適合または超過する。
論文 参考訳（メタデータ） (2026-08-27T03:53:59Z) - Initialization is Half the Battle: Generating Diverse Images from a Guidance Potential Posterior [51.62608628984139]
誘導電位後部から初期雑音の選択を定式化し,多様性に富む領域への事前の重み付けを効果的に行う。
この分布を効率的にサンプリングするために、ダイバーシティ誘導初期化(DivIn)を紹介する。
本手法は,拡散モデルと流れマッチングモデルの両方に適合する推論時多様性向上として機能する。
論文 参考訳（メタデータ） (2026-06-01T16:25:10Z) - Latency Analysis and Optimization of Alpamayo 1 via Efficient Trajectory Generation [0.8443238959374134]
推論に基づくエンドツーエンド自動運転(E2E)は、運転決定の解釈可能性を改善するための有望なアプローチとして登場した。
本稿では,アルパマヨ1を2つの方法で系統的に分析し,改善する。
まず、Alpamayo 1を単一推論システムに再設計することで、軌道の多様性を維持しながら、推論レイテンシを低減する。
論文 参考訳（メタデータ） (2026-05-09T14:34:00Z) - TMPO: Trajectory Matching Policy Optimization for Diverse and Efficient Diffusion Alignment [52.570581883709345]
本稿では,報酬を人間レベルの報酬分布マッチングに置き換えるトラジェクティブマッチングポリシバランス最適化(TMPO)を提案する。
TMPOは最先端の手法に対する生成的多様性を9.1%向上させ、下流および効率の指標で競合性能を達成する。
大規模フロープレフィックスのマルチトラックトレーニング時間を短縮するため、TMPOはDynamic Tree Smplingモデルを導入し、動的にスケジュールされたステップでトラジェクトリがdenoisingとブランチを共有する。
論文 参考訳（メタデータ） (2026-05-09T04:41:02Z) - Improving Search Agent with One Line of Code [68.58667107354253]
ツールベースのエージェント強化学習(TARL)は,検索エージェントが外部ツールと対話できるようにトレーニングするための,有望なパラダイムとして登場した。
textbfSearch textbfAgent textbfPolicy textbfOptimization (textbfSAPO)を提案する。
論文 参考訳（メタデータ） (2026-03-10T04:07:39Z) - GARDO: Reinforcing Diffusion Models without Reward Hacking [54.841464430913476]
オンライン強化学習(RL)による微調整拡散モデルにより,テキストと画像のアライメントが向上する可能性が示された。
このミスマッチは、しばしば報酬のハッキングにつながり、プロキシスコアは増加し、実際の画像品質は低下し、生成の多様性は崩壊する。
我々は、サンプル効率、効率的な探索、報酬ハッキングの軽減という競合する要求に対処するため、Gated and Adaptive Regularization with Diversity-Aware Optimization (GARDO)を提案する。
論文 参考訳（メタデータ） (2025-12-30T10:55:45Z) - DiffusionDriveV2: Reinforcement Learning-Constrained Truncated Diffusion Modeling in End-to-End Autonomous Driving [65.7087560656003]
エンドツーエンドの自動運転のための生成拡散モデルは、しばしばモード崩壊に悩まされる。
強化学習を利用して低品質モードを制約し,優れた軌道探索を行うDiffusionDriveV2を提案する。
これにより、そのコアであるガウス混合モデル固有の多重モード性を維持しながら、全体的な出力品質が大幅に向上する。
論文 参考訳（メタデータ） (2025-12-08T17:29:52Z) - Enhancing Adversarial Transferability by Balancing Exploration and Exploitation with Gradient-Guided Sampling [82.52485740425321]
アドリアックは、ディープニューラルネットワークの堅牢性にとって重要な課題である。
敵攻撃の伝達性は、爆発(最大攻撃能力)と探索(クロスモデル一般化の促進)のジレンマに直面している
論文 参考訳（メタデータ） (2025-11-01T05:43:47Z) - Breaking Imitation Bottlenecks: Reinforced Diffusion Powers Diverse Trajectory Generation [20.106116218594266]
DIVERは、強化学習と拡散ベースの生成を統合するエンドツーエンドの自動運転フレームワークである。
また,DIVERは軌道の多様性を著しく改善し,模倣学習に固有のモード崩壊問題に効果的に対処することを示した。
論文 参考訳（メタデータ） (2025-07-05T14:19:19Z)
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。