論文の概要: Delving into Asymmetric Information Dynamics for High-Fidelity Virtual Try-On

• arxiv url: http://arxiv.org/abs/2609.25881v1
• Date: Tue, 22 Sep 2026 08:47:49 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-09-23 18:04:04.302087
• Title: Delving into Asymmetric Information Dynamics for High-Fidelity Virtual Try-On
• Title（参考訳）: 高忠実度仮想トライオンのための非対称情報力学への展開
• Abstract要約: VTON(Virtual try-on)はピクセルレベルの忠実度を必要とするが、主流の拡散変換器(DiT)はテクスチャ劣化と構造的ドリフトに悩まされることが多い。 我々は、これらの故障の原因として、標準の関節拘留機構における対称的相互作用を同定する。 単方向情報フロー(UIF)とデカップリング時間ステップ変調(DTM)を組み合わせたフレームワークであるRealFitを提案する。
• 参考スコア（独自算出の注目度）: 6.061950785627697
• License: http://creativecommons.org/licenses/by-nc-sa/4.0/
• Abstract: Virtual try-on (VTON) requires precise pixel-level fidelity, yet mainstream Diffusion Transformers (DiTs) often suffer from texture degradation and structural drift. We identify symmetric interactions in standard joint-attention mechanisms as a source of these failures. Although such interactions support semantic flexibility in general-purpose editing, they allow stochastic noise to corrupt deterministic garment features in VTON. We analyze this problem through asymmetric information dynamics and introduce two diagnostic indicators: Conditional Attention Entropy (CAE) for feature unbiasedness and Injected Information Flux (IIF) for injection effectiveness. Our analysis suggests that symmetric bidirectional attention can corrupt conditional features and attenuate the conditional signal. To address these limitations, we propose RealFit, a framework that combines Unidirectional Information Flow (UIF) with Decoupled Timestep Modulation (DTM). UIF isolates the garment condition from stochastic noise to preserve garment identity, while DTM optimizes the modulation scale to maintain a strong conditional signal. The resulting time-invariant condition branch enables a conditional KV cache that reduces inference time by approximately 75%. RealFit offers a principled approach to conditional generation with state-of-the-art fidelity and efficiency.
• Abstract（参考訳）: VTON(Virtual try-on)はピクセルレベルの忠実度を必要とするが、主流の拡散変換器(DiT)はテクスチャ劣化と構造的ドリフトに悩まされることが多い。 我々は、これらの故障の原因として、標準の関節拘留機構における対称的相互作用を同定する。 このような相互作用は汎用的な編集における意味的柔軟性をサポートするが、VTONの確率的ノイズは決定論的衣服の特徴を損なう。 非対称情報力学を用いてこの問題を解析し、特徴的不偏性に対する条件注意エントロピー(CAE)とインジェクションの有効性のためのインジェクションインジェクションインフォメーションフラックス(IIF)の2つの診断指標を導入する。 解析の結果,左右二方向の注意が条件の特徴を損なう可能性があり,条件信号の減衰が抑制されることが示唆された。 このような制約に対処するため,一方向情報フロー(UIF)とデカップリング時間ステップ変調(DTM)を組み合わせたフレームワークであるRealFitを提案する。 UIFは衣服の状態と確率的ノイズを分離して衣服のアイデンティティを保ち、DTMは変調スケールを最適化し、強い条件信号を維持する。 結果として生じる時間不変条件分岐は、推論時間を約75%削減する条件付きKVキャッシュを可能にする。 RealFitは、最先端の忠実さと効率性を備えた条件生成に原則化されたアプローチを提供する。

関連論文リスト

• Hybrid Robustness Verification for Spatio-Temporal Neural Networks [19.026662893450425]
  既存の検証方法は、過度に保守的な近似や不正な計算コストに依存している。 実際には、対向摂動は、低次元、意味論的に意味のある部分空間に制約された、構造化された空間的および時間的相関を示す。 動作認識(UCF-101)、自律運転(Udacity)、医用画像(MedMNIST)の用途を対象として、3次元CNNによる映像入力のロバスト性検証を行う。
  論文  参考訳（メタデータ） (2026-06-08T17:06:51Z)
• FLUID: Continuous-Time Hyperconnected Sparse Transformer for Sink-Free Learning [2.312232949770907]
  連続時間(CT)変換器は、連続力学を用いた入力や出力埋め込みを利用して、CT-RNN上の不規則および長距離モデリングを改善する。 我々は、連続力学を直接注意計算に組み込むCT変換器FLUIDを提案し、それをLiquid Attention Network(LAN)に置き換える。 本研究では, (i) 不規則な時系列, (ii) 長距離モデリング, (iii) 自動運転車の車線維持制御, (iv) 不足データ体制下での物理力学の学習など,幅広い学習課題についてFLUIDを評価した。
  論文  参考訳（メタデータ） (2026-05-06T02:27:25Z)
• OmniForcing: Unleashing Real-time Joint Audio-Visual Generation [51.031726911410594]
  最近のジョイントオーディオ・視覚拡散モデルは、優れた生成品質を実現するが、高いレイテンシーに悩まされる。 OmniForcingは、オフラインの双方向拡散モデルを高忠実度ストリーミングオートレジェネレータに蒸留する最初のフレームワークである。
  論文  参考訳（メタデータ） (2026-03-12T08:17:36Z)
• Avoiding Premature Collapse: Adaptive Annealing for Entropy-Regularized Structural Inference [1.7523718031184992]
  この障害の基本的なメカニズムは、 textbf Premature Mode Collapseである。 提案手法は,適応型スケジューリングアルゴリズムであるtextbfEfficient Piecewise Hybrid Adaptive Stability Control (EPH-ASC) で,推論過程の安定性をモニタする。
  論文  参考訳（メタデータ） (2026-01-30T14:47:18Z)
• Learning from Heterogeneity: Generalizing Dynamic Facial Expression Recognition via Distributionally Robust Optimization [23.328511708942045]
  Heterogeneity-Aware Distributional Framework (HDF) は、時間周波数モデリングを強化し、ハードサンプルによる不均衡を軽減するために設計された。 時間周波数分散アテンションモジュール(DAM)は、時間的一貫性と周波数ロバスト性の両方をキャプチャする。 適応最適化モジュール 分散対応スケーリングモジュール (DSM) は、動的に分類と対照的な損失のバランスをとるために導入された。
  論文  参考訳（メタデータ） (2025-07-21T16:21:47Z)
• FUSE: Label-Free Image-Event Joint Monocular Depth Estimation via Frequency-Decoupled Alignment and Degradation-Robust Fusion [92.4205087439928]
  画像強調共同深度推定法は、頑健な知覚に相補的なモダリティを利用するが、一般化可能性の課題に直面している。 自己監督型転送(PST)と周波数デカップリング型フュージョンモジュール(FreDF)を提案する。 PSTは、画像基盤モデルとの遅延空間アライメントによるクロスモーダルな知識伝達を確立し、データ不足を効果的に軽減する。 FreDFは、低周波構造成分から高周波エッジ特性を明示的に分離し、モード比周波数ミスマッチを解消する。 この組み合わせのアプローチにより、FUSEはターゲットデータセットに対する軽量デコーダ適応のみを必要とするユニバーサルなイメージイベントを構築することができる。
  論文  参考訳（メタデータ） (2025-03-25T15:04:53Z)
• STAF: Sinusoidal Trainable Activation Functions for Implicit Neural Representation [7.2888019138115245]
  Inlicit Neural Representations (INR) は、連続的な信号をモデリングするための強力なフレームワークとして登場した。 ReLUベースのネットワークのスペクトルバイアスは、十分に確立された制限であり、ターゲット信号の微細な詳細を捕捉する能力を制限する。 Sinusoidal Trainable Function Activation (STAF)について紹介する。 STAFは本質的に周波数成分を変調し、自己適応型スペクトル学習を可能にする。
  論文  参考訳（メタデータ） (2025-02-02T18:29:33Z)
• Towards Stabilized and Efficient Diffusion Transformers through Long-Skip-Connections with Spectral Constraints [51.83081671798784]
  Diffusion Transformers (DiT) は、画像およびビデオ生成のための強力なアーキテクチャとして登場し、優れた品質とスケーラビリティを提供している。 DiTの実用アプリケーションは本質的に動的特徴不安定性に悩まされており、キャッシュされた推論中にエラーを増幅する。 我々は,Long-Skip-Connections (LSCs) で拡張された画像およびビデオ生成型DiTであるSkip-DiTを提案する。
  論文  参考訳（メタデータ） (2024-11-26T17:28:10Z)

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。