論文の概要: DMA$^2$: Pixel-space Distribution Matching with Adversarial and Anchor Losses

• arxiv url: http://arxiv.org/abs/2609.38156v1
• Date: Tue, 29 Sep 2026 17:59:03 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-09-30 21:28:47.82716
• Title: DMA$^2$: Pixel-space Distribution Matching with Adversarial and Anchor Losses
• Title（参考訳）: DMA$^2$: 逆数とアンカー損失による画素空間分布マッチング
• Abstract要約: 画素空間教師のための2つのDMDインタフェースを再検討する。 ネイティブなクリーンRGB出力は、デコーダをトラバースしたり、重い偽スコア批評家を共有することなく、外部視覚表現からのガイダンスを可能にする。 AF-Lossはパラメータフリーなセマンティックな分布-フィールドの目的である。
• 参考スコア（独自算出の注目度）: 57.59753938618416
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Distribution matching distillation (DMD) provides a general framework for few-step diffusion generation, but its modern text-to-image instantiations have been developed primarily around latent diffusion. It therefore overlooks key properties and design opportunities of native RGB. We revisit two DMD interfaces for pixel-space teachers. On the teacher-matching side, diagnostics show low-noise RGB matching is dominated by a local-texture cue, motivating a fixed high-noise matching band. On the real-data side, native clean-RGB outputs allow guidance from an external visual representation without traversing a decoder or sharing the heavy fake-score critic. DINO-Adv removes this critic from the adversarial gradient path and supplies local parametric patch guidance. For distribution-level guidance, we introduce AF-Loss, a parameter-free auxiliary semantic distribution-field objective designed for text-to-image DMD. It operates on detached rolling real and generated supports in the shared DINOv2 space while preserving prompt-conditioned teacher supervision. AF-Loss adds no learnable parameters or inference-time computation. Together these designs form DMA$^2$. Across DPG-Bench, GenEval, VQAScore, and COCO30K, the four-step DMA$^2$ student performs better than the 25-step teacher and evaluated few-step distillers.
• Abstract（参考訳）: 分散マッチング蒸留(DMD)は数段階拡散生成の一般的な枠組みを提供するが、現代のテキスト・画像のインスタンス化は主に潜時拡散を中心に開発されている。 そのため、ネイティブなRGBの重要な特性と設計の機会を見落としている。 画素空間教師のための2つのDMDインタフェースを再検討する。 教師マッチング側では、低ノイズRGBマッチングは局所テクスチャキューによって支配され、固定されたハイノイズマッチングバンドを動機付けている。 実データ側では、ネイティブなクリーンRGB出力は、デコーダをトラバースしたり、重い偽スコア批評家を共有することなく、外部の視覚的表現からのガイダンスを可能にする。 DINO-Advはこの批判を逆勾配から排除し、局所的なパラメトリックパッチガイダンスを提供する。 AF-Lossはテキスト・ツー・イメージDMD用に設計されたパラメータフリーなセマンティック・セマンティック・ディストリビューション・フィールド・オブジェクトである。 分離されたローリングリアルで動作し、共有されたDINOv2空間で生成されたサポートを運用し、即時条件付き教師の監督を維持している。 AF-Lossは学習可能なパラメータや推論時間計算を追加しない。 これらの設計は共にDMA$^2$となる。 DPG-Bench、GenEval、VQAScore、COCO30Kの4ステップDMA$^2$の学生は、25ステップの教師よりも優れたパフォーマンスを示し、数ステップの蒸留機の評価を行った。

関連論文リスト

• When Depth Hurts: Reliability-Aware Geometry Distillation for Depth-Free RGB-D Salient Object Detection [39.23633029110609]
  欠落した領域、ぼやけた境界、構造的アーティファクトは多モード核融合を通じて伝播し、RGB-D検出器はRGBのみの検出器よりも精度が低い。 本稿では,RGB-D SODベンチマークのための信頼性を考慮した幾何蒸留フレームワークを提案する。 ReDWeb-Sにおける13.4%のMAE削減を含む、最近のRGB-D SOD法と比較して、36のメトリック・データセットのうち26のベストまたはタイト・ベストな結果を達成する。
  論文  参考訳（メタデータ） (2026-09-03T05:29:10Z)
• SGMD: Score Gradient Matching Distillation for Few-Step Video Diffusion Distillation [57.297118390628384]
  分散マッチング蒸留(DMD)は、数ステップのビデオ拡散モデルにおいて、推論を加速するための広く使われているパラダイムである。 textbfScore Gradient Matching Distillation (SGMD)を提案する。 教師の停止段階のフィッシャーを安定した分布マッチングの目的として使用しながら、教師に対して偽スコアを直接最適化することで、偽スコアの視点を採用する。 時間的一貫性を維持しつつ、4段階蒸留モデルの運動力学を大幅に改善する。
  論文  参考訳（メタデータ） (2026-05-28T15:50:55Z)
• DepthMatch: Semi-Supervised RGB-D Scene Parsing through Depth-Guided Regularization [43.974708665104565]
  本稿では,RGB-Dシーン解析に特化して設計された半教師付き学習フレームワークDepthMatchを紹介する。 本稿では,RGB-D画像対におけるテクスチャと空間的特徴の潜伏関係を明らかにするために,補間パッチ混在拡大法を提案する。 また,従来の複合核融合モジュールを代替する軽量空間先行インジェクタを設計し,不均一な特徴核融合の効率を向上する。
  論文  参考訳（メタデータ） (2025-05-26T14:26:31Z)
• Improved Distribution Matching Distillation for Fast Image Synthesis [54.72356560597428]
  この制限を解除し、MDDトレーニングを改善する一連の技術であるMDD2を紹介する。 まず、回帰損失と高価なデータセット構築の必要性を排除します。 第2に, GAN損失を蒸留工程に統合し, 生成した試料と実画像との識別を行う。
  論文  参考訳（メタデータ） (2024-05-23T17:59:49Z)
• DetMatch: Two Teachers are Better Than One for Joint 2D and 3D Semi-Supervised Object Detection [29.722784254501768]
  DetMatchは、2Dおよび3Dモダリティに関する共同半教師付き学習のための柔軟なフレームワークである。 両方のセンサーで検出された物体を識別することで、パイプラインはよりクリーンで堅牢な擬似ラベルを生成する。 我々はRGB画像のよりリッチなセマンティクスを活用して、誤った3Dクラスの予測を修正し、3Dボックスのローカライズを改善する。
  論文  参考訳（メタデータ） (2022-03-17T17:58:00Z)
• DSP: Dual Soft-Paste for Unsupervised Domain Adaptive Semantic Segmentation [97.74059510314554]
  セグメンテーションのための教師なしドメイン適応(UDA)は、ラベル付きソースドメインで訓練されたセグメンテーションモデルをラベル付きターゲットドメインに適応させることを目的としている。 既存の手法では、大きなドメインギャップに悩まされながら、ドメイン不変の特徴を学習しようとする。 本稿では,新しいDual Soft-Paste (DSP)法を提案する。
  論文  参考訳（メタデータ） (2021-07-20T16:22:40Z)
• Malleable 2.5D Convolution: Learning Receptive Fields along the Depth-axis for RGB-D Scene Parsing [18.729547293510453]
  本研究では, 可鍛性2.5D畳み込みと呼ばれる新しい演算子を提案し, 深度軸に沿った受容場を学習する。 本手法では,各画素の相対深度差に応じて,各画素を1つのカーネルに割り当てる。 提案したオペレータは標準的な2D機能マップ上で動作し、トレーニング済みのCNNにシームレスに組み込むことができる。
  論文  参考訳（メタデータ） (2020-07-18T08:26:11Z)

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。