論文の概要: Unifying Distributional Training for One-Step Visual Generation

• arxiv url: http://arxiv.org/abs/2609.35763v3
• Date: Thu, 01 Oct 2026 17:58:34 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-10-03 01:19:23.512074
• Title: Unifying Distributional Training for One-Step Visual Generation
• Title（参考訳）: ワンステップ視覚生成のための分布学習の統一
• Abstract要約: 分布学習は、凍結表現空間における実特徴と生成特徴とを一致させることにより、一段階の視覚生成の集合的監視を提供する。 本稿では,分散モデルと一致する相違点を分離する統合理論フレームワークを提案する。 テキスト・ツー・イメージ生成では、MGFlowはFLUX.2[klein] 4Bを1ステップのジェネレータに変換し、GenEvalとPickScoreの4ステップモデルより優れている。
• 参考スコア（独自算出の注目度）: 19.114942180537742
• License: http://creativecommons.org/licenses/by-sa/4.0/
• Abstract: Distributional training provides collective supervision for one-step visual generation by matching real and generated features in frozen representation spaces. We introduce a unified theoretical framework that separates distribution modeling from matching discrepancy and connects global objectives to pointwise feature updates through Wasserstein gradient flow. Under this framework, FD-Loss and Gaussian-kernel Drifting are recovered through Gaussian optimal transport and kernel-density-based KL matching, respectively. The framework motivates MGFlow, which models feature distributions with Gaussian mixtures at an adjustable granularity between global moments and sample-based representations. MGFlow supports both optimal transport and score-based matching, and couples mass-constrained sample assignment with paired component updates to address mode collapse that mixture expressivity alone does not resolve. On ImageNet $256\times256$, MGFlow substantially surpasses the FD-Loss baseline, achieving state-of-the-art results with 1.45 $\mathrm{FDr}^6$ on pMF-H and 1.64 on JiT-H. For text-to-image generation, MGFlow post-trains FLUX.2 [klein] 4B into a one-step generator that outperforms the original four-step model on both GenEval and PickScore.
• Abstract（参考訳）: 分布学習は、凍結表現空間における実特徴と生成特徴とを一致させることにより、一段階の視覚生成の集合的監視を提供する。 本稿では,分散モデルと不一致を分離し,大域的目的をワッサーシュタイン勾配流によるポイントワイズ特徴更新に結びつける統一理論フレームワークを提案する。 この枠組みの下で、FD-LossとGaussian-kernel Driftingはそれぞれ、ガウスの最適輸送とカーネル密度に基づくKLマッチングによって回収される。 このフレームワークは、グローバルモーメントとサンプルベース表現の調整可能な粒度でガウス混合で特徴分布をモデル化するMGFlowを動機付けている。 MGFlowは最適なトランスポートとスコアベースのマッチングの両方をサポートし、混合表現性だけでは解決できないモード崩壊に対処するために、ペアコンポーネントのアップデートと大量制約されたサンプル割り当てを結合する。 ImageNet $256\times256$では、MGFlowはFD-Lossベースラインを大幅に上回り、pMF-Hでは1.45$\mathrm{FDr}^6$、JIT-Hでは1.64ドルとなる。 テキスト・ツー・イメージ生成では、MGFlowはFLUX.2[klein] 4Bを1ステップのジェネレータに変換し、GenEvalとPickScoreの両方で元の4ステップモデルより優れている。

関連論文リスト

• Stable Global Weighting of Flow Mixtures using Simplex Exponential Moving Average [0.8224695424591678]
  emphAMFmbox-VImbox-sEMAは、Emphstableのグローバルな重み付け機構を備えた2段階のフレームワークである。 従来のemphAMFmbox-VIよりも一貫したNLLの改善を実現し、単一フローベースラインの破滅的な輸送障害を回避する。
  論文  参考訳（メタデータ） (2026-07-04T10:31:10Z)
• Improving Progressive Generation with Decomposable Flow Matching [50.63174319509629]
  Decomposable Flow Matching (DFM)は、ビジュアルメディアのプログレッシブな生成のためのシンプルで効果的なフレームワークである。 Imagenet-1k 512pxでは、DFMはベースアーキテクチャよりも35.2%改善され、ベースラインは26.4%向上した。
  論文  参考訳（メタデータ） (2025-06-24T17:58:02Z)
• Gaussian Mixture Flow Matching Models [63.092956669059824]
  拡散モデルは正規分布をガウス平均として近似し,その平均を推定する一方,フローマッチングモデルはガウス平均をフロー速度としてパラメータ化する。 離散化誤差による数段階のサンプリングでは性能が低下し、分類器フリーガイダンス(CFG)では過飽和色が生じる傾向にある。 本稿では,CFGの過飽和問題を緩和し,画像生成品質を向上する新しい確率的ガイダンス手法を提案する。
  論文  参考訳（メタデータ） (2025-04-07T17:59:42Z)
• Boundary-aware Decoupled Flow Networks for Realistic Extreme Rescaling [49.215957313126324]
  Invertible rescaling Network (IRN) やgenerative adversarial Network (GAN) などを含む最近の生成手法は、画像再スケーリングにおいて例外的な性能を示した。 しかし、IRNベースの手法は過度に滑らかな結果を生成する傾向にあり、一方、GANベースの手法は偽の細部を容易に生成する。 本稿では,現実的かつ視覚的に満足な結果を生成するために,境界対応デカップリングフローネットワーク(BDFlow)を提案する。
  論文  参考訳（メタデータ） (2024-05-05T14:05:33Z)

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。