論文の概要: CARE: Condition-Aware Representation Regularization for Diffusion Models

• arxiv url: http://arxiv.org/abs/2609.28561v1
• Date: Wed, 23 Sep 2026 09:21:06 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-09-25 21:10:09.403561
• Title: CARE: Condition-Aware Representation Regularization for Diffusion Models
• Title（参考訳）: CARE:拡散モデルのための条件対応表現規則化
• Abstract要約: CAREは、条件類似性に基づいて特徴分布を動的に変調する軽量な正規化フレームワークである。 ImageNetでは、400kのトレーニングステップでFIDが19.08%削減され、3.5$times$ Speed-upになった。 テキスト・ツー・イメージ生成に適用すると、CAREは200kイテレーションでFIDを16.61%下げ、生成されたサンプルとテキストプロンプト間のセマンティックアライメントを改善する。
• 参考スコア（独自算出の注目度）: 13.196754339934474
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Recent advances in diffusion models highlight the importance of representation regularization for improving sample quality and training efficiency. However, commonly used regularization methods often overlook the built-in conditions (such as labels or texts) which directly determine the generation target. In this work, we demonstrate how conditioning signals affect the feature distribution and introduce the CARE (Condition-Aware REpresentation regularization). CARE is a lightweight plug-and-play regularization framework that dynamically modulates feature distribution based on condition similarity. CARE leverages built-in conditioning signals to judiciously guide the representation space, promoting tighter feature clusters for similar conditions without relying on explicit alignment losses or external supervision. Empirically, CARE consistently improves both visual fidelity and convergence stability across both class-to-image and text-to-image tasks. On ImageNet, CARE achieves a 19.08\% reduction in FID in 400k training steps, leading to a 3.5$\times$ speed-up. When applied to text-to-image generation, CARE lowers FID by 16.61\% in 200k iterations and improves semantic alignment between generated samples and text prompts. Moreover, CARE can be seamlessly integrated with existing regularization methods, yielding additional performance gains.
• Abstract（参考訳）: 拡散モデルの最近の進歩は、サンプルの品質と訓練効率を向上させるための表現正規化の重要性を強調している。 しかし、一般的に使われる正規化法は、しばしば生成対象を直接決定する組込み条件(ラベルやテキストなど)を見落としている。 本研究では,条件付き信号が特徴分布に与える影響を実証し,CARE(Condition-Aware Representation regularization)を導入する。 CAREは、条件類似性に基づいて特徴分布を動的に変調する軽量なプラグアンドプレイ正規化フレームワークである。 CAREは、内蔵されたコンディショニング信号を活用して、表現空間を司法的に誘導し、明確なアライメント損失や外部監視に依存することなく、同様の条件下でのより厳密な特徴クラスタを促進する。 経験的に、CAREは、クラス・ツー・イメージタスクとテキスト・ツー・イメージタスクの両方において、視覚的忠実性と収束安定性の両方を一貫して改善する。 ImageNetでは、CAREは400kのトレーニングステップで19.08\%のFID削減を実現し、3.5$\times$スピードアップを実現している。 テキスト・ツー・イメージ生成に適用すると、CAREは200kイテレーションでFIDを16.61\%下げ、生成されたサンプルとテキストプロンプト間のセマンティックアライメントを改善する。 さらに、CAREは既存の正規化メソッドとシームレスに統合することができ、さらなるパフォーマンス向上をもたらす。

関連論文リスト

• Balancing Emotional Alignment and Semantic Consistency in Image Generation via Reinforcement Learning with Valence-Arousal Anchoring [55.57242007016976]
  テキスト・ツー・イメージ生成における継続的な感情制御は、プロンプトによって記述されたオブジェクトやレイアウト、シーンを変更することなく、感情的アライメントを改善するモデルを必要とする。 既存の教師付き感情注入法は、しばしば特徴空間プロキシを最適化し、したがって感情のセマンティックドリフトを示す。 本稿では,連続的原子価覚醒条件設定,グループ相対ポリシー最適化,中立的セマンティックアンカーを組み合わせたフローマッチング画像生成フレームワークを用いてこの問題に対処する。
  論文  参考訳（メタデータ） (2026-09-11T13:24:35Z)
• Adversarial Learning of Classifier-Free Guidance Schedules [74.70485037604884]
  我々は,拡散時間,条件付け,および現在の雑音サンプルの関数として指導スケジュールを学習する。 これを密度比推定問題とする。 軽量なジェネレータネットワークは、最適で状態依存のガイダンススケールを予測する。
  論文  参考訳（メタデータ） (2026-08-14T07:30:36Z)
• Rarity-Aware Discrete Diffusion with Spatially Consistent Decoding for Photo-Realistic Image Super-Resolution [80.28905986756685]
  DiMOO-SRは光リアル画像超解法のための多モード離散拡散フレームワークである。 広く使われている実世界のSRベンチマークの実験では、DiMOO-SRはいくつかの並列デコードステップで競合する知覚品質を達成する。
  論文  参考訳（メタデータ） (2026-07-20T07:01:01Z)
• Improving Visual Representation Alignment Generation with GRPO [51.071351994330605]
  拡散変換器は強い画像合成能力を示したが、弱いアライメントのため、列車には非効率である。 本稿では,REPAの静的アライメント損失を生成的表現ポリシー最適化の目的に置き換える,強化に基づく最適化戦略であるVRPOを提案する。 当社のVRPO駆動トレーニングは拡散トランスフォーマーにシームレスに統合され、無視可能なコストを導入し、SiTとDiTアーキテクチャとの完全な互換性を維持します。
  論文  参考訳（メタデータ） (2026-05-30T07:21:40Z)
• ACD: Direct Conditional Control for Video Diffusion Models via Attention Supervision [62.41380823195191]
  本稿では,注意監督による映像拡散モデルにおける直接条件制御のためのフレームワークである,注意継続拡散(Attention-Conditional Diffusion)を提案する。 ACDは、モデルの注意マップと外部制御信号との整列により、より良い制御性を実現する。 ベンチマークビデオ生成データセットの実験は、ACDがコンディショニング入力と優れたアライメントを提供することを示した。
  論文  参考訳（メタデータ） (2025-12-24T16:24:18Z)
• SoftCFG: Uncertainty-guided Stable Guidance for Visual Autoregressive Model [17.298633197256024]
  自己回帰(AR)モデルは、画像を離散トークンのシーケンスとしてモデル化することで、画像生成のための強力なツールとして登場した。 本論文では,不確実性誘導型推論手法であるSoftCFGを提案する。 実験により、SoftCFGは、自己回帰モデルにおいて、標準CFGとImageNet 256*256の最先端FIDよりも画像品質を著しく向上することが示された。
  論文  参考訳（メタデータ） (2025-10-01T15:04:00Z)
• DivControl: Knowledge Diversion for Controllable Image Generation [38.166949036830886]
  DivControlは、統合制御可能な生成のための分解可能な事前トレーニングフレームワークである。 最先端の制御性を36.4$timesのトレーニングコストで実現している。 また、目に見えない条件で強力なゼロショットと少数ショットのパフォーマンスを提供する。
  論文  参考訳（メタデータ） (2025-07-31T15:00:15Z)
• SARA: Structural and Adversarial Representation Alignment for Training-efficient Diffusion Models [12.26595705520937]
  マルチレベル表現制約を強制する階層的アライメントフレームワークであるSARAを紹介する。 ImageNet-256の実験では、SARAはREPAの2倍の速さで1.36のFIDを達成した。
  論文  参考訳（メタデータ） (2025-03-11T10:17:32Z)

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。