論文の概要: Unlocking Few-Step Diffusion for Faithful Previews

• arxiv url: http://arxiv.org/abs/2609.34406v1
• Date: Mon, 28 Sep 2026 06:19:23 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-10-03 21:03:02.931167
• Title: Unlocking Few-Step Diffusion for Faithful Previews
• Title（参考訳）: 忠実なプレビューのためのFew-Step Diffusionのアンロック
• Abstract要約: 我々は、同じノイズから生成されたフルステップ出力との対応性を改善することを学び、プロンプトを行う。 再現率53-78%のMSEを含む基準忠実度は, LD3よりも有意に改善した。
• 参考スコア（独自算出の注目度）: 8.595543707900433
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Sampling latency compounds in diffusion workflows, where users generate and discard many candidates before keeping one. Surprisingly, the poor outputs of standard few-step samplers do not reflect a lack of reconstruction capacity: by optimizing only the initial noise, frozen 3-4-step samplers can closely reproduce their corresponding full-step outputs. Building on this finding, we learn corrections to the initial noise and denoising updates using endpoint supervision, improving correspondence with full-step outputs generated from the same noise and prompt. The resulting previews allow users to screen candidates cheaply and reserve full-step generation for promising ones. Input correction also transfers across sampling budgets without retraining. Experiments show substantial improvements in reference fidelity, including 53-78% lower reconstruction MSE than retrained LD3 on unconditional benchmarks, alongside improved ranking preservation and candidate selection on SD1.5, SDXL, and FLUX.1-dev.
• Abstract（参考訳）: 拡散ワークフローでレイテンシ化合物をサンプリングすると、ユーザはそれを保持する前に多くの候補を生成して破棄する。 驚くべきことに、標準的な数段サンプリング器の出力不足は復元能力の欠如を反映していない。初期ノイズのみを最適化することにより、凍結した3-4ステップサンプリング器は対応するフルステップ出力を忠実に再現することができる。 この発見に基づいて、初期ノイズの補正とエンドポイントの監視による更新のデノベーション、同一ノイズから生成されたフルステップ出力との対応の改善、およびプロンプトを学習する。 結果として、ユーザーは候補者を安価にスクリーニングし、有望な候補をフルステップで生成することができる。 入力補正は、再トレーニングなしでサンプリング予算をまたいだ転送も行う。 実験では、SD1.5、SDXL、FLUX.1-devのランキング保存と候補選択の改善とともに、非条件ベンチマークで再訓練されたLD3よりも53-78%低いリコンストラクションMSEを含む、参照忠実度が大幅に改善された。

関連論文リスト

• Flash-BoN: Instant Drafts for Inference-Time Scaling in Diffusion Models [91.19049123903137]
  テキストから画像への推論時間のスケーリングは、単純なBest-of-N$サンプリングからガイド付き検索方法まで進歩している。 これらのアプローチは、いつ、どの程度の頻度でデノベーションを行うかに焦点が当てられているが、生成自体のコストを固定として扱うのがほとんどである。 ウォールクロック評価では、単純なBoNが既にいくつかのガイド付き検索手法に適合または優れていたことを示す。
  論文  参考訳（メタデータ） (2026-07-05T19:02:32Z)
• SATB-VR: Training Few-Step Video Restoration Diffusion Model using SNR-Aware Trajectory Blending [55.764018145256216]
  本稿では,補助予測器を介してデノナイジングプロセスを開始する数ステップのパラダイムであるSATB-VRを提案する。 我々は,SATB-VRが,合成,実世界,AIGCベンチマークにおける既存のアプローチに対して良好に動作することを示す。
  論文  参考訳（メタデータ） (2026-06-27T01:32:16Z)
• Precise: SDE-Consistent Stochastic Sampling for RL Post-Training of Flow-Matching Models [56.67321805551389]
  Reinforcement Learning (RL) は, 拡散・流れマッチングジェネレータにおいて, 迅速なアライメントと知覚品質の向上に有効な方法となっている。 探索行動の制御と力学のデノベーションを行うサンプルは、この方針の一部である。 有効探査と安定性のバランスをとる新しいサンプリング器を提案する。
  論文  参考訳（メタデータ） (2026-05-22T11:37:22Z)
• Rethinking Refinement: Correcting Generative Bias without Noise Injection [7.28668585578288]
  拡散モデルやフローベースモデルを含む生成モデルは、しばしばサンプルの品質を低下させる体系的なバイアスを示す。 ノイズインジェクションやマルチステップ再サンプリングを使わずに,効果的なバイアス補正がポストホック法として実現できることを示す。
  論文  参考訳（メタデータ） (2026-01-29T02:34:08Z)
• Image Diffusion Preview with Consistency Solver [86.95276270716477]
  ユーザ評価のための予備出力を生成するために,高速かつ低ステップサンプリングを用いた新しいパラダイムであるDiffusion Previewを導入する。 既存のアクセラレーション手法では、トレーニング不要の解決器や訓練後の蒸留が高品質なプレビューを提供するのに苦労している。 強化学習による軽量で訓練可能な高次解法である一般線形多段法から導出した一貫性器を提案する。
  論文  参考訳（メタデータ） (2025-12-15T17:47:49Z)
• Noise Conditional Variational Score Distillation [60.38982038894823]
  騒音条件変化スコア蒸留(NCVSD)は, 予混合拡散モデルから生成消音剤を蒸留する新しい方法である。 この知見を変分スコア蒸留フレームワークに組み込むことで、生成的デノイザのスケーラブルな学習を可能にする。
  論文  参考訳（メタデータ） (2025-06-11T06:01:39Z)
• ElimPCL: Eliminating Noise Accumulation with Progressive Curriculum Labeling for Source-Free Domain Adaptation [12.088386261002762]
  Source-Free Domain Adaptation (SFDA)は、ソースデータなしでターゲットモデルをトレーニングすることを目的としており、キーは擬似ラベルを生成することである。 情報源モデルは、ハードサンプル、特にドメインシフトに大きく影響されたサンプルに対して、非常に不確実な擬似ラベルを生成することが多いことを観察する。 本稿では,信頼に値する疑似ラベル付きサンプルを反復的にフィルタリングする新しいプログレッシブ・キュリキュラム・ラベリング法を提案する。 広範囲にわたる実験により、ElimPCLの有効性が検証され、課題に対して最大3.4%の改善が達成された。
  論文  参考訳（メタデータ） (2025-03-31T04:28:27Z)
• DC-Solver: Improving Predictor-Corrector Diffusion Sampler via Dynamic Compensation [68.55191764622525]
  拡散モデル(DPM)は、視覚合成において顕著な性能を示すが、サンプリング中に複数の評価を必要とするため、計算コストが高い。 最近の予測器合成・拡散サンプリング装置は,要求される評価回数を大幅に削減したが,本質的には誤調整の問題に悩まされている。 我々はDC-CPRrと呼ばれる新しい高速DPMサンプリング装置を導入する。
  論文  参考訳（メタデータ） (2024-09-05T17:59:46Z)
• Double Correction Framework for Denoising Recommendation [45.98207284259792]
  暗黙のフィードバックでは、ノイズの多いサンプルが正確なユーザの好みの学習に影響を与える可能性がある。 一般的なソリューションは、モデルトレーニングフェーズでノイズの多いサンプルをドロップすることに基づいている。 提案手法では,勧告を記述するための二重補正フレームワークを提案する。
  論文  参考訳（メタデータ） (2024-05-18T12:15:10Z)

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。