論文の概要: Rethinking Diffusion Segmentation: When Does It Rely on Its Noisy State, and Does Diffusion Matter?

• arxiv url: http://arxiv.org/abs/2609.23967v1
• Date: Mon, 21 Sep 2026 00:40:29 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-09-22 20:29:01.034386
• Title: Rethinking Diffusion Segmentation: When Does It Rely on Its Noisy State, and Does Diffusion Matter?
• Title（参考訳）: 拡散セグメンテーションを再考する:いつそれがノイズ状態になるのか、そして拡散は重要か?
• Abstract要約: 完全教師付きセグメンテーションでは、条件付け画像は直接目標予測をサポートすることができる。 状態依存のために、ターゲット由来の状態内容または正しい画像状態ペアリングを妨害する。 決定論的ユーティリティでは、マッチングされた画像のみのコンパニオンが、全体の35設定中28で同様のあるいはより良いパフォーマンスを達成した。
• 参考スコア（独自算出の注目度）: 1.1907026010541675
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Diffusion models are increasingly adapted from generation to conditional prediction, where a conditioning signal is combined with an evolving noisy representation of the target. In fully supervised segmentation, however, the conditioning image can already support direct target prediction, so endpoint performance alone establishes neither reliance on the added diffusion state nor a deterministic advantage over image-only prediction. For state reliance, we disrupt target-derived state content or correct image-state pairing during retraining of twelve published methods across three datasets, with ten matched seeds per setting. All 40 original-method comparisons whose evaluated-mask routes remained downstream of noised-quantity reconstruction exhibited state reliance, whereas all 30 comparisons with a segmentation-supervised bypass preserved reference performance. Rerouting five originally bypass-capable methods by forcing segmentation supervision through noise-to-mask reconstruction converted all 30 corresponding comparisons from preserved performance to state reliance. For deterministic utility, matched image-only counterparts achieved similar or better performance in 28 of 35 settings overall, including 16 of 20 whose native methods relied on both audited state properties. These results identify supervision path as a determinant of state reliance in the audited methods. Separately, matched image-only counterparts show that diffusion-specific computation often provides no deterministic endpoint advantage, including in methods that rely on the audited state properties. More generally, when conditioning already supports strong target prediction, diffusion-specific claims require additional evidence that the added state is used and that diffusion-specific computation improves the claimed capability beyond a matched condition-only counterpart.
• Abstract（参考訳）: 拡散モデルは、条件付き信号とターゲットの進化的ノイズ表現を組み合わせた生成から条件付き予測に適応する傾向にある。 しかし、完全教師付きセグメンテーションでは、条件付け画像は、既に直接目標予測をサポートすることができるため、エンドポイント性能だけでは、追加の拡散状態に依存したり、画像のみの予測よりも決定論的優位性を確立したりしない。 状態依存のために、我々は3つのデータセットにまたがる12のメソッドの再トレーニングにおいて、ターゲット由来の状態内容または正しい画像状態ペアリングを妨害する。 評価マスク経路を下流に残した40種類の原位置比較では, いずれも状態依存性を示したが, セグメンテーション制御されたバイパス基準性能との比較では, いずれも30例であった。 ノイズ・ツー・マスク再構成による分割監視を強制することで,元来5つのバイパス可能手法を抽出し,保存性能から状態依存に変換した。 決定論的ユーティリティでは、一致したイメージのみのコンパニオンが、監査された状態プロパティの両方に依存した20のネイティブメソッドを含む、35設定中28で、同様のあるいは改善されたパフォーマンスを達成した。 これらの結果は,監査手法における状態依存の要因として,監督経路を同定する。 分離して、マッチングされた画像のみの計算は、しばしば拡散特異的な計算が、監査された状態プロパティに依存するメソッドを含む決定論的エンドポイントの利点を提供しないことを示している。 より一般的に、条件付けが既に強い目標予測をサポートしている場合、拡散特異的なクレームは、追加の状態が使用され、拡散特異的な計算が、一致した条件のみのクレーム能力を超えて、クレーム能力を改善するという追加の証拠を必要とする。

関連論文リスト

• CoRe-SAM3: Conditional Semantic--Visual Reconciliation for SAM3 Crack Segmentation [6.275757527790397]
  内部のプロンプト条件のセマンティック表現とSAM3のネイティブ視覚表現の5つのクラックデータセットにおける機能的差異を最初に診断した。 セマンティック・コンディショナル・ビジュアル・リコンシリゼーション(CoRe)を提案する。 5つの領域で、CoRe-SAM3は平均クラックIoUを62.34%から70.47%に改善し、clDiceを81.98%から89.24%に改善した。
  論文  参考訳（メタデータ） (2026-09-05T02:25:44Z)
• On-Policy Self-Distillation in Diffusion Models [89.32656931795293]
  強化学習は、拡散モデルと人間の好みやタスク固有の目的とを一致させることができるが、エンドポイント報酬は、中間的偏見予測をどのように変更すべきかを規定していない。 そこで我々は、DiffusionOPSDを、画像レベルの報酬誘導を明示的なターゲットに変換して、サンプルクエリにおけるクリーンな出力予測を行うオンライン自己蒸留フレームワークとして導入する。 SD 3.5-Mとステップ蒸留したZ-Image-Turboを用いて、2つのバックボーンと10個の評価器で20の報酬マッチング設定のうち19のファイナルホールトアウトスコアを達成した。
  論文  参考訳（メタデータ） (2026-08-25T14:55:24Z)
• Consistent Evidence, Robust Recognition: Faithful Attribution Regularization under Geometric Transformations [42.90321348046055]
  画像領域のサブモジュール探索に基づくアノテーションのない属性正規化フレームワークを提案する。 候補部分集合がモデル出力にどのように影響するかを測定することで、探索は、コンパクトでクラス識別的な証拠を探索由来の監督として抽出する。 ImageNet-100の実験結果から,VT-B/16の属性安定性,挿入性,削除性は0.28ポイントの精度低下で大幅に向上することがわかった。
  論文  参考訳（メタデータ） (2026-07-26T20:41:38Z)
• DCS: A Unified Conditional Sensitivity Framework for Cross-Modal Copyright Infringement Detection [0.0]
  本研究は,著作権侵害の証拠を条件付き分散シフトとして扱う,統合されたポストホック検出フレームワークを開発する。 保護対象は、その目標がトレーニングプロセスに含まれるか、または取り除かれた場合、整列条件下でのモデルの振る舞いが測定可能に変更されるかどうか疑わしい。 このフレームワークは、リッジ規則化線形回帰、条件付き拡散モデル、自己回帰言語モデル、マルチモーダルモデルのためにインスタンス化されている。
  論文  参考訳（メタデータ） (2026-07-24T07:00:44Z)
• Graph Feedback Controls Consensus and Clique Formation in Open-Weight Language-Model Populations [0.0]
  命名ゲームプロトコルを用いた1.1B-32BパラメータにまたがるオープンウェイトLM集団のコンベンション形成について検討した。 我々は、状態相似性グラフを構築し、サンプル-ラベル合意を潜在状態空間のコンセンサスから分離する。
  論文  参考訳（メタデータ） (2026-07-13T18:55:03Z)
• Hierarchical Consistency Learning for Test-time Adaptation in Camouflage Perception [50.278200968044665]
  カモフラージュされた物体検出(COD)は、物理的属性を通して背景から最小限の知覚差を示すターゲットをローカライズすることを目的としている。 既存のメソッドは、静的なTrain-then-freezeパラダイムによって制約されており、ドメインの剛性と依存性のアノテーションに悩まされている。 動的表現再構成のためのテスト時間適応を統合した階層的一貫性学習フレームワークを提案する。
  論文  参考訳（メタデータ） (2026-05-25T09:57:46Z)
• Effective Test-Time Scaling of Discrete Diffusion through Iterative Refinement [51.54933696252104]
  離散拡散に適した新しいテスト時間スケーリング手法であるイテレーティブ・リワードガイドリファインメント(IterRef)を導入する。 我々は、このプロセスをMultiple-Try Metropolisフレームワークで形式化し、報酬整合分布への収束を証明した。 IterRefは計算予算の低さで大幅に上昇し、最先端のベースラインをはるかに超えている。
  論文  参考訳（メタデータ） (2025-11-04T02:33:23Z)
• On the Theory of Conditional Feature Alignment for Unsupervised Domain-Adaptive Counting [27.44207520673983]
  オブジェクトカウントモデルは、密度の多様性が異なるドメインにデプロイされるときに苦しむ。 条件付き特徴アライメントの理論的枠組みを提案し,簡単な実装を提供する。
  論文  参考訳（メタデータ） (2025-06-20T16:37:48Z)
• Conformal Prediction Sets with Improved Conditional Coverage using Trust Scores [52.92618442300405]
  有限サンプルにおいて、正確に分布のない条件付きカバレッジを達成することは不可能である。 本稿では,最も重要となる範囲を対象とするコンフォメーション予測アルゴリズムを提案する。
  論文  参考訳（メタデータ） (2025-01-17T12:01:56Z)
• Modeling State Shifting via Local-Global Distillation for Event-Frame Gaze Tracking [61.44701715285463]
  本稿では,イベントデータとフレームデータの両方を用いた受動的視線推定の問題に取り組む。 我々は、現在の状態からいくつかの事前登録されたアンカー状態に移行する状態の定量化として、視線推定を再構成する。 大規模視線推定ネットワークを直接学習する代わりに,地域の専門家グループと学生ネットワークを連携させることにより,一般化能力の向上を図る。
  論文  参考訳（メタデータ） (2024-03-31T03:30:37Z)

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。