Fugu-MT 論文翻訳(概要): Diffusion Trajectory Modeling for Semantic Correspondence

論文の概要: Diffusion Trajectory Modeling for Semantic Correspondence

arxiv url: http://arxiv.org/abs/2609.15357v1
Date: Mon, 14 Sep 2026 10:39:44 GMT
ステータス: 翻訳完了
システム内更新日: 2026-09-16 07:15:06.267766
Title: Diffusion Trajectory Modeling for Semantic Correspondence
Title（参考訳）: 意味的対応のための拡散軌道モデリング
Abstract要約: 本研究では,各空間パッチの時間的進化を軌跡として解釈するフレームワークである拡散軌道モデリングを提案する。 DTMは、先行する手法がキャプチャーに設計されていない対応手段をキャプチャする。 DTMは,軌道中心の視点から拡散表現を利用するための新たな視点を提示し,高い性能を示す。
参考スコア（独自算出の注目度）: 0.0
License: http://creativecommons.org/licenses/by/4.0/
Abstract: Diffusion models generate images through an iterative diffusion process, and recent studies have demonstrated that the intermediate feature maps produced during this process contain rich visual representations, leading to their adoption across a variety of downstream tasks. However, most existing approaches are limited to either using a single feature map at a specific timestep or aggregating feature maps across multiple timesteps. We observe that intermediate representations in the diffusion process form meaningful trajectories along the time axis. In particular, the representation of each spatial patch evolves progressively throughout the generative process, encoding semantics that are difficult to capture from static snapshots alone. This observation motivates the need to treat diffusion representations as temporally structured trajectories rather than static snapshots. To this end, we propose Diffusion Trajectory Modeling (DTM), a framework that interprets the temporal evolution of each spatial patch as a trajectory and leverages it for semantic correspondence. By effectively modeling patch-wise trajectories generated across multiple timesteps, DTM captures correspondence cues that prior methods are not designed to capture. We further demonstrate empirically that spatially corresponding patches form similar trajectory patterns throughout the diffusion process, suggesting that the temporal axis of diffusion carries semantic information. Experiments on SPair-71k, SPair-U and AP-10K show that DTM achieves strong performance, presenting a new perspective for exploiting diffusion representations from a trajectory-centric viewpoint.
Abstract（参考訳）: 拡散モデルは反復拡散過程を通じて画像を生成するが、近年の研究により、この過程で生成される中間特徴写像はリッチな視覚表現を含むことが示され、様々な下流タスクで採用されている。しかし、既存のアプローチのほとんどは、特定のタイミングで1つのフィーチャーマップを使用するか、複数のタイムステップでフィーチャーマップを集約するどちらかに限られている。拡散過程における中間表現は時間軸に沿って有意な軌道を形成する。特に、各空間パッチの表現は生成過程を通して徐々に進化し、静的スナップショットだけではキャプチャが難しいセマンティクスを符号化する。この観察は、拡散表現を静的スナップショットではなく時間的に構造化された軌跡として扱う必要性を動機付けている。この目的のために,各空間パッチの時間的進化を軌跡として解釈し,意味的対応に活用するフレームワークである拡散軌道モデリング(DTM)を提案する。複数のタイムステップにまたがって生成されたパッチワイドトラジェクトリを効果的にモデル化することにより、DTMは、以前のメソッドがキャプチャされるように設計されていない対応キューをキャプチャする。さらに,空間的に対応するパッチが拡散過程を通して類似した軌道パターンを形成することを実証的に示し,拡散の時間軸が意味情報を伝達することを示唆した。 SPair-71k, SPair-U, AP-10Kの実験からDTMは高い性能を示し, 軌道中心の視点から拡散表現を利用する新たな視点を示す。

関連論文リスト

Continuous-Time Distribution Matching for Few-Step Diffusion Distillation [57.28746398500951]
本稿では,CDM(Continuous-Time Distribution Matching)を導入し,DMDフレームワークを個別アンカーから連続最適化へ移行する。まず、固定離散スケジュールをランダム長の動的連続スケジュールに置き換える。第二に、学生の速度場を介して外挿された潜伏者に対してアクティブな軌道外マッチングを行う連続時間アライメント目的を提案する。
論文参考訳（メタデータ） (2026-05-07T14:56:39Z)
Multi-view diffusion geometry using intertwined diffusion trajectories [0.906681787649105]
本稿では,MDT(Intertwined Multi-view diffusion trajectories)による多視点拡散幾何学構築のための統一フレームワークを提案する。我々の定式化は、既存の多視点拡散モデルを含み、ビューインタラクションと融合のための新しい自由度を提供する。本稿では,内部品質対策によって導かれる,定義された演算子空間内のMDT演算子を学習するための様々な戦略を提案する。
論文参考訳（メタデータ） (2025-12-01T10:05:19Z)
Image Diffusion Models Exhibit Emergent Temporal Propagation in Videos [13.824335238443334]
DRIFTは、SAM誘導マスクリファインメントを用いた事前学習画像拡散モデルを利用したビデオにおける物体追跡のためのフレームワークである。実験時間最適化戦略-DDIMインバージョン、テキストインバージョン、適応頭部重み付け適応拡散機能の有効性を、頑健で一貫したラベル伝搬のために示す。これらの知見に基づいて,SAM誘導マスクによる画像拡散モデルを利用したビデオにおける物体追跡のためのフレームワークであるDRIFTを紹介する。
論文参考訳（メタデータ） (2025-11-25T05:21:23Z)
Packet-Level DDoS Data Augmentation Using Dual-Stream Temporal-Field Diffusion [2.8498570090658726]
DDoS(Distributed Denial of Service)攻撃に対して、最近の研究は機械学習(ML)ベースのソリューションにますます依存している。現在の合成トレース生成法は、現生のDDoS攻撃で現れる複雑な時間パターンと空間分布を捉えるのに苦労している。拡散モデルに基づく多視点マルチストリームネットワークトラフィック生成モデルであるDual-Stream Temporal-Field Diffusion (DSTF-Diffusion)を提案する。
論文参考訳（メタデータ） (2025-07-27T03:40:56Z)
FlowMo: Variance-Based Flow Guidance for Coherent Motion in Video Generation [51.110607281391154]
FlowMoは、テキスト・ビデオ・モデルにおける動きコヒーレンスを高めるためのトレーニング不要のガイダンス手法である。時間次元のパッチワイドな分散を測定して動きのコヒーレンスを推定し、サンプリング中にこの分散を動的に減少させるためにモデルを導く。
論文参考訳（メタデータ） (2025-06-01T19:55:33Z)
Continuous Diffusion Model for Language Modeling [64.7425225935854]
離散的データに対する既存の連続拡散モデルは離散的手法と比較して性能が劣る。本稿では,下層の分類分布の幾何学を組み込んだ言語モデリングのための連続拡散モデルを提案する。本手法は,既存の離散拡散モデルより優れ,自己回帰モデルの性能にアプローチする。
論文参考訳（メタデータ） (2025-02-17T08:54:29Z)
Exploring Representation-Aligned Latent Space for Better Generation [86.45670422239317]
生成性能を改善するために,セマンティックな事前情報を統合するReaLSを導入する。本研究では、ReaLSでトレーニングされたDETとSiTが、FID測定値の15%改善を実現することを示す。拡張されたセマンティック潜在空間は、セグメンテーションや深さ推定のようなより知覚的な下流タスクを可能にする。
論文参考訳（メタデータ） (2025-02-01T07:42:12Z)
Merging and Splitting Diffusion Paths for Semantically Coherent Panoramas [33.334956022229846]
本稿では,Merge-Attend-Diffuse演算子を提案する。具体的には、拡散経路をマージし、自己および横断的意図をプログラムし、集約された潜在空間で操作する。提案手法は,生成した画像の入力プロンプトと視覚的品質との整合性を維持しつつ,セマンティック・コヒーレンスを増大させる。
論文参考訳（メタデータ） (2024-08-28T09:22:32Z)
EmerDiff: Emerging Pixel-level Semantic Knowledge in Diffusion Models [52.3015009878545]
我々は、追加の訓練をすることなく、きめ細かなセグメンテーションマップを生成できる画像セグメンタを開発した。低次元特徴写像の空間的位置と画像画素間の意味的対応を同定する。大規模な実験では、生成したセグメンテーションマップがよく説明され、画像の細部を捉えることが示されている。
論文参考訳（メタデータ） (2024-01-22T07:34:06Z)
Fast Sampling of Diffusion Models via Operator Learning [74.37531458470086]
我々は,拡散モデルのサンプリング過程を高速化するために,確率フロー微分方程式の効率的な解法であるニューラル演算子を用いる。シーケンシャルな性質を持つ他の高速サンプリング手法と比較して、並列復号法を最初に提案する。本稿では,CIFAR-10では3.78、ImageNet-64では7.83の最先端FIDを1モデル評価環境で達成することを示す。
論文参考訳（メタデータ） (2022-11-24T07:30:27Z)

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。