論文の概要: Corrective Forcing: Unified Post-Training for Diffusions and Flows in Generative Speech Enhancement

• arxiv url: http://arxiv.org/abs/2609.24651v1
• Date: Mon, 21 Sep 2026 14:23:15 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-09-22 20:29:01.325644
• Title: Corrective Forcing: Unified Post-Training for Diffusions and Flows in Generative Speech Enhancement
• Title（参考訳）: 修正強制:生成音声強調における拡散・流れの統一後訓練
• Abstract要約: 私たちは、自己生成ロールアウトから学習し、予測を正すように拡散とフローモデルを強制するポストトレーニングパラダイムであるCorrective Forcingを紹介します。 SB-VEとOT-CFMによる実験では、知覚品質と再現性の改善が示されている。
• 参考スコア（独自算出の注目度）: 22.069690917000784
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Diffusion and flow models, as promising generative paradigms for speech enhancement, face a training--inference mismatch: training uses analytical path states, whereas inference recursively evaluates models on self-generated rollout states along discretized sampling trajectories. This mismatch causes prediction and discretization errors to accumulate. To address it, we introduce Corrective Forcing (CoF), a post-training paradigm that forces diffusion and flow models to learn from self-generated rollouts and correct their predictions. CoF corrects clean-speech predictions on rollout states toward the ground truth under dynamic sampling schedules, exposing the model to varying inference conditions. It further regularizes local evolution using locally corrected counterfactual transitions as references for factual transitions. By expressing model outputs through a shared clean-speech prediction parameterization, CoF applies the same post-training objective across diffusion and flow formulations. Experiments with SB-VE and OT-CFM demonstrate improvements in perceptual quality and reconstruction fidelity, together with robust performance across different numbers of sampling steps.
• Abstract（参考訳）: 拡散とフローモデルは、音声強調のための有望な生成パラダイムとして、トレーニング-推論ミスマッチに直面している:訓練は分析パス状態を使用し、推論は、離散化されたサンプリング軌道に沿って、自己生成されたロールアウト状態のモデルを再帰的に評価する。 このミスマッチは予測と離散化エラーを蓄積させる。 これを解決するために,自己生成ロールアウトから拡散モデルとフローモデルを学習させ,その予測を正すポストトレーニングパラダイムであるCorrective Forcing(CoF)を導入する。 CoFは動的サンプリングスケジュールの下で、ロールアウト状態に対するクリーンな音声予測を補正し、モデルを様々な推論条件に暴露する。 さらに、局所的に修正された反事実遷移を事実遷移の基準として局所的な進化を規則化する。 共有されたクリーン音声予測パラメータ化を通じてモデル出力を表現することにより、CoFは拡散とフローの定式化をまたいだトレーニング後の同じ目的を適用できる。 SB-VE と OT-CFM による実験では、様々なサンプリングステップにおける堅牢な性能とともに、知覚品質と再現精度の改善が示されている。

関連論文リスト

• MLLM-Guided Semantic Correction for Text-to-Video Generation [66.7723669725808]
  マルチモーダルな大規模言語モデルフィードバックを統合した,トレーニングフリーで解釈可能な中間世代補正フレームワークを提案する。 セマンティック・アセスメント・スーパーバイザ (Semantic Assessment Supervisor) とセマンティック・アセスメント・アシスタント (Semantic Modification Assistant) という,セマンティック・アセスメント・スーパーバイザ (Semantic Assessment Supervisor) の2つの重要なモジュールを提案する。 本手法は, モデルパラメータを変更することなく, セマンティックアライメント, 視覚的忠実度, 時間的一貫性を改善する。
  論文  参考訳（メタデータ） (2026-08-17T12:54:10Z)
• DiFA: Inference-Time Forward-Process Alignment for Diffusion Models [8.208222349301785]
  Forward-Process Aligned Diffusion Prediction (textbfDiFA) は、逐次状態推定問題として推論時データの予測精度を改善するトレーニングフリーフレームワークである。 カルマンフィルタにインスパイアされたDiFAは、構造的一貫性とノイズレベルの整合性に応じて歴史的予測を集約する。
  論文  参考訳（メタデータ） (2026-07-20T14:10:53Z)
• A Unified Measure-Theoretic View of Diffusion, Score-Based, and Flow Matching Generative Models [0.3222802562733787]
  本稿では,データ分布への単純な参照分布の移動に基づく連続時間生成モデリング手法について,決定論的ダイナミクスを用いて検討する。 本稿では,拡散モデル,スコアベース生成モデル,フローマッチングが時間依存ベクトル場を学習する一貫したフレームワークを提案する。
  論文  参考訳（メタデータ） (2026-05-07T18:32:15Z)
• Speech Enhancement Based on Drifting Models [2.6958419576949146]
  ドリフトモデル(DriftSE)に基づく音声強調手法を提案する。 DriftSEは平衡問題としてデノイングを定式化する新しい生成フレームワークである。 VoiceBank-DEMANDの実験では、DriftSEは単一のステップで高忠実性向上を実現する。
  論文  参考訳（メタデータ） (2026-04-27T09:00:51Z)
• From Denoising to Refining: A Corrective Framework for Vision-Language Diffusion Model [72.73512218682187]
  ReDiff(Refining-enhanced diffusion framework)は、モデルに自身のエラーを特定し、修正するように教えるフレームワークである。 まず、合成エラーを修正するためにモデルをトレーニングすることで、基礎的なリビジョン機能を具現化し、次に、新しいオンライン自己補正ループを実装します。 この誤り駆動学習は、モデルに既存の出力を再検討し、洗練する重要な能力を与え、エラーカスケードを効果的に破壊する。
  論文  参考訳（メタデータ） (2025-10-22T06:58:55Z)
• Semantically-Guided Inference for Conditional Diffusion Models: Enhancing Covariate Consistency in Time Series Forecasting [6.716179859091235]
  SemGuideは条件付き拡散モデルにおける共変量一貫性を高めるプラグイン・アンド・プレイの推論時間法である。 本稿では,中間拡散状態と将来の共変量とのセマンティックアライメントを評価するためのスコアリングネットワークを提案する。
  論文  参考訳（メタデータ） (2025-08-03T14:04:04Z)
• Consistent World Models via Foresight Diffusion [56.45012929930605]
  我々は、一貫した拡散に基づく世界モデルを学習する上で重要なボトルネックは、最適下予測能力にあると主張している。 本稿では,拡散に基づく世界モデリングフレームワークであるForesight Diffusion(ForeDiff)を提案する。
  論文  参考訳（メタデータ） (2025-05-22T10:01:59Z)
• Improved off-policy training of diffusion samplers [93.66433483772055]
  本研究では,非正規化密度やエネルギー関数を持つ分布からサンプルを抽出する拡散モデルの訓練問題について検討する。 シミュレーションに基づく変分法や非政治手法など,拡散構造推論手法のベンチマークを行った。 我々の結果は、過去の研究の主張に疑問を投げかけながら、既存のアルゴリズムの相対的な利点を浮き彫りにした。
  論文  参考訳（メタデータ） (2024-02-07T18:51:49Z)
• Time-series Generation by Contrastive Imitation [87.51882102248395]
  モーメントマッチングの目的によってモチベーションされ、複合的エラーを軽減し、局所的(しかし前方的な)遷移ポリシーを最適化する。 推論において、学習されたポリシーは反復的なサンプリングのジェネレータとして機能し、学習されたエネルギーはサンプルの品質を評価するための軌道レベル尺度として機能する。
  論文  参考訳（メタデータ） (2023-11-02T16:45:25Z)

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。