論文の概要: From Feed-Forward to Flow: Unifying Reconstruction and Generation Is Easier Than You Think

• arxiv url: http://arxiv.org/abs/2609.32761v1
• Date: Sat, 26 Sep 2026 16:28:52 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-10-06 20:39:47.109272
• Title: From Feed-Forward to Flow: Unifying Reconstruction and Generation Is Easier Than You Think
• Title（参考訳）: フィードフォワードからフローへ:再構築と生成の統一は想像より簡単
• Abstract要約: 再構成と生成のためのフローベース統一型定式化を提案する。 共有されたクリーンターゲット予測器は、その単一ステップのエンドポイントで直接再構成を行い、マルチステップフローを介して条件生成を展開する。 再構成と生成は定式化とバックボーンの両方を共有できることを示す。
• 参考スコア（独自算出の注目度）: 27.54578871186126
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Reconstruct where the images provide evidence, and generate where they do not: recent success of spatial world models such as Atlas (World Labs Team, 2026) highlights the value of unifying reconstruction and generation in one model. Yet the two have long lived in separate paradigms with distinctive failure modes: feed-forward reconstruction averages ambiguity into blur, while conditional generation invents plausible but scene-inconsistent detail. In this work, we present a unified flow-based formulation for reconstruction and generation, where a shared clean-target predictor performs direct reconstruction at its single-step endpoint and unfolds conditional generation through multi-step flow. A controlled toy study reveals the mechanism: with a single step, the predictor collapses to the conditional mean just like feed-forward methods, favoring consistency over diversity. With multi-step inference, the fidelity of generated details grows with context richness: closer observations reduce ambiguity and yield better-matched details. We further instantiate the formulation in appearance and geometry 3D tasks. JiT-LVSM improves perceptual and distributional quality in novel view synthesis, while JUSt3R retains competitive single-step geometry prediction with additional multi-step inference capabilities that reduces veil and flying-pixel artifacts, producing cleaner surface structure with greater test-time compute. Together, they show that reconstruction and generation can share both a formulation and a backbone, with their behavior governed by denoising configuration---making unification surprisingly simple.
• Abstract（参考訳）: 近年のAtlas(World Labs Team, 2026)のような空間的世界モデルの成功は、1つのモデルにおける統一された再構築と生成の価値を強調している。 フィードフォワードの再構築平均はあいまいさを曖昧にし、条件生成は妥当だがシーン一貫性のない詳細を発明する。 本研究では,共有されたクリーンターゲット予測器が単一ステップの終点で直接再構成を行い,複数ステップのフローを通じて条件付き生成を展開する,再構成と生成のための統一的なフローベース定式化を提案する。 制御されたおもちゃの研究は、このメカニズムを明らかにしている。単一のステップで、予測器はフィードフォワード法のように条件平均に崩壊し、多様性よりも一貫性を優先する。 多段階の推論により、生成された詳細の忠実度は文脈の豊かさによって増大する。 さらに、外観と幾何学的3Dタスクの定式化をインスタンス化する。 JiT-LVSMは、新しいビュー合成における知覚的および分布的品質を改善する一方、JUSt3Rは、ベイルやフライングピクセルのアーティファクトを低減し、テストタイムの計算量を大きくしたクリーンな表面構造を生成するため、競合する単一ステップ形状の予測を継続する。 彼らは共に、再構築と生成が定式化とバックボーンの両方を共有できることを示し、それらの振る舞いは構成を飾ることによって制御される。

関連論文リスト

• Next-Acceleration-Scale Prediction for Autoregressive MRI Reconstruction [52.32112533846212]
  MRI再建は本質的に不完全な逆問題である。 この制限は、再構成を離散的なマルチスケールの潜在空間に移動させ、自己回帰的次加速スケールの予測として機能させることによって解決する。 提案手法は,過度のアンサンプ下での多種多様なサンプリングパターンの再構成性能の向上を図っている。
  論文  参考訳（メタデータ） (2026-05-19T04:40:50Z)
• Mind the Gap: Geometrically Accurate Generative Reconstruction from Disjoint Views [0.8435195043404353]
  本稿では,新たなパラダイムとして,不随意視点からの生成的再構築を紹介する。 提案するGLADOSは,3段階にわたって動作する汎用モジュール型フレームワークである。 アーキテクチャに依存しないフレームワークとして、GLADOSは、生成、再構築、塗装における将来の進歩のシームレスな統合を可能にする。
  論文  参考訳（メタデータ） (2026-05-08T10:24:23Z)
• UniRecGen: Unifying Multi-View 3D Reconstruction and Generation [39.26563127393024]
  フィードフォワードと拡散に基づく生成を統合する統合フレームワークUniRecGenを提案する。 我々は、推論中にシームレスな協調を可能にするとともに、安定したトレーニングを維持できる非絡み合い協調学習を採用している。 実験により、UniRecGenは、既存の手法よりも優れた忠実性と堅牢性を実現していることが示された。
  論文  参考訳（メタデータ） (2026-04-01T23:35:40Z)
• HiCoGen: Hierarchical Compositional Text-to-Image Generation in Diffusion Models via Reinforcement Learning [66.99487505369254]
  HiCoGenは、新しいChain of Synthesisパラダイムに基づいて構築されている。 複雑なプロンプトを最小の意味単位に分解する。 その後、これらのユニットを反復的に合成し、各ステップで生成された画像が次に重要な視覚的コンテキストを提供する。 実験により,提案手法は概念カバレッジと構成精度の両方において,既存手法よりも有意に優れていた。
  論文  参考訳（メタデータ） (2025-11-25T06:24:25Z)
• ReconViaGen: Towards Accurate Multi-view 3D Object Reconstruction via Generation [28.308731720451053]
  我々はReconViaGenを提案する。 我々のReconViaGenは、グローバルな構造と局所的な詳細の両方において、入力ビューと整合した完全かつ正確な3Dモデルを再構築できることを実証した。
  論文  参考訳（メタデータ） (2025-10-27T13:15:06Z)
• OracleGS: Grounding Generative Priors for Sparse-View Gaussian Splatting [78.70702961852119]
  OracleGSは、Gaussian Splattingのスパースビューのために、生成的完全性と回帰的忠実性を調整している。 提案手法は,多視点幾何学的証拠に先立って強力な生成条件を定め,幻覚的アーティファクトをフィルタリングし,非拘束領域における可塑性完備を保存している。
  論文  参考訳（メタデータ） (2025-09-27T11:19:32Z)
• How Far Are We from Generating Missing Modalities with Foundation Models? [49.425856207329524]
  欠落したモダリティの再構築に適したエージェントフレームワークを提案する。 本手法は, 画像再構成に要するFIDを少なくとも14%, MERを少なくとも10%削減する。
  論文  参考訳（メタデータ） (2025-06-04T03:22:44Z)

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。