論文の概要: Joint Branch-Space Transform Coding for Diffusion Activation Quantization with Classifier-Free Guidance

• arxiv url: http://arxiv.org/abs/2610.00930v1
• Date: Thu, 01 Oct 2026 02:05:37 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-10-03 01:19:23.848157
• Title: Joint Branch-Space Transform Coding for Diffusion Activation Quantization with Classifier-Free Guidance
• Title（参考訳）: 拡散活性化量子化のための分枝空間変換符号化
• Abstract要約: 一致したCFGの活性化が強い相関関係を持つ2次元情報源を形成し、固定ビット予算の下では、分岐符号ベースの選択が量子化の忠実度に実質的に影響を及ぼすことを示す。 この観測に動機づけられた分岐空間変換符号を導入し、一致したCFG分岐を回転させる。 我々はさらに、CFG誘導方向とクロスブランチ第2モーメントを併用したGCBT(Guidance-Correlation Branch Transform)を導出する。
• 参考スコア（独自算出の注目度）: 21.72750022303629
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Post-training quantization for diffusion models increasingly exploits timestep, feature, and layer structure. While recent work has begun incorporating CFG structure into diffusion quantization, activation quantization still operates independently across conditional and unconditional coordinates, leaving cross-activation structure unexploited. We show that matched CFG activations form a strongly correlated two-dimensional source and that, under a fixed bit budget, the choice of branch coding basis materially affects quantization fidelity. Motivated by this observation, we introduce branch-space transform coding, which rotates matched CFG branches via an offline derived 2x2 orthogonal matrix, requiring minimal modifications to model parameters or the quantization pipeline. We further derive the Guidance-Correlation Branch Transform (GCBT), which jointly incorporates the CFG guidance direction and cross-branch second moments. Under an equal-rate quantization-noise surrogate, GCBT admits a closed-form per-layer solution without gradient optimization or angle search. Applied on top of existing diffusion PTQ methods, GCBT yields statistically significant fidelity gains in most evaluated comparisons with no statistically significant degradation, while leaving the underlying host quantization pipeline unchanged.
• Abstract（参考訳）: 拡散モデルの後の量子化は、時間ステップ、特徴、層構造をますます活用する。 最近の研究はCFG構造を拡散量子化に取り入れ始めたが、アクティベーション量子化は条件座標と非条件座標の間で独立に機能し、クロスアクティベーション構造は未解明のままである。 一致したCFGの活性化が強い相関関係を持つ2次元情報源を形成し、固定ビット予算の下では、分岐符号ベースの選択が量子化の忠実度に実質的に影響を及ぼすことを示す。 この観測から得られた分岐空間変換符号化は,オフラインの2x2直交行列を経由し,一致するCFG分岐を回転させ,モデルパラメータや量子化パイプラインに最小限の変更を加える。 我々はさらに、CFG誘導方向とクロスブランチ第2モーメントを併用したGCBT(Guidance-Correlation Branch Transform)を導出する。 等レート量子化-ノイズサロゲートの下では、GCBTは勾配最適化や角度探索なしに閉形式の層ごとの解を許容する。 既存の拡散PTQ法を応用し、GCBTは、統計的に有意な劣化を伴わず、基礎となるホスト量子化パイプラインをそのまま残しながら、多くの評価された比較において統計的に有意な忠実性を得る。

関連論文リスト

• Closing the Null Space: Guidance-Aware Quantization for Classifier-Free Diffusion [0.0]
  2パスのCFG実行パターンは、パラメータカウントとビット操作のメトリクスが完全に隠蔽する遅延オーバーヘッドを課します。 誘導予測に基づいて直接校正を行う誘導認識混合精度(GAMP)を提案する。
  論文  参考訳（メタデータ） (2026-07-09T08:42:07Z)
• Quantum CT via Dynamic Interval Encoding and Prior-Balanced QUBO Reconstruction [33.11370708200602]
  本稿では,動的間隔符号化と事前バランス最適化を組み合わせたQUBOに基づくグレースケールCT再構成フレームワークを提案する。 D-Wave hybrid binary quadratic model (BQM) の解法の実験は、この定式化がハードウェアが支援するハイブリッド量子-古典的バックエンド上で実行可能であることをさらに証明している。
  論文  参考訳（メタデータ） (2026-06-23T13:28:12Z)
• Statistical Channel Fingerprint Construction for Massive MIMO: A Unified Tensor Learning Framework [51.39651336043647]
  チャネル指紋(CF)は、IMO通信システムにおけるチャネル状態情報の取得を容易にする重要な手段であると考えられている。 統計的CSI(sCSI)を各電位で保存する新しいタイプのCFを提案し,これを統計的CF(sCF)と呼ぶ。
  論文  参考訳（メタデータ） (2026-04-30T08:28:45Z)
• CFG-Ctrl: Control-Based Classifier-Free Diffusion Guidance [31.552164852288325]
  スライディングモード制御CFG(SMC-CFG)を導入する。 SMC-CFGは、様々なガイダンス尺度において、セマンティックアライメントとロバストネスにおいて標準CFGを上回っている。
  論文  参考訳（メタデータ） (2026-03-03T18:59:48Z)
• Variational Bayesian Flow Network for Graph Generation [54.94088904387278]
  グラフ生成のための変分ベイズフローネットワーク(VBFN)を提案する。 VBFNは、構造化精度で支配されるトラクタブルジョイントガウス変分信念ファミリーに対して変分リフトを行う。 合成グラフと分子グラフのデータセットでは、VBFNは忠実度と多様性を改善し、ベースライン法を超えている。
  論文  参考訳（メタデータ） (2026-01-30T03:59:38Z)
• Cross-Domain Transfer with Self-Supervised Spectral-Spatial Modeling for Hyperspectral Image Classification [5.784164305429653]
  本稿では,自己管理型クロスドメイン転送フレームワークを提案する。 ソースラベルなしで伝送可能なスペクトル-空間結合表現を学習する。 実験結果は、安定した分類性能と強いクロスドメイン適応性を示す。
  論文  参考訳（メタデータ） (2026-01-26T02:52:35Z)
• Continual Quantum Architecture Search with Tensor-Train Encoding: Theory and Applications to Signal Processing [68.35481158940401]
  CL-QASは連続的な量子アーキテクチャ検索フレームワークである。 振幅のエンコードと変分量子回路の忘れを犠牲にすることの課題を緩和する。 制御可能なロバスト性表現性、サンプル効率の一般化、およびバレンプラトーを使わずに滑らかな収束を実現する。
  論文  参考訳（メタデータ） (2026-01-10T02:36:03Z)
• Bidirectional Feature-aligned Motion Transformation for Efficient Dynamic Point Cloud Compression [97.66080040613726]
  特徴空間における動きを暗黙的にモデル化する双方向特徴整合運動変換(Bi-FMT)フレームワークを提案する。 Bi-FMTは、時間的に一貫した潜在表現を生成するために、過去と将来の両方のフレームで機能を調整する。 圧縮効率とランタイムの両方において, Bi-FMT が D-DPCC と AdaDPCC を上回っていることを示す。
  論文  参考訳（メタデータ） (2025-09-18T03:51:06Z)
• CBQ: Cross-Block Quantization for Large Language Models [66.82132832702895]
  ポストトレーニング量子化(PTQ)は、超低コストで大規模言語モデル(LLM)を圧縮する上で重要な役割を果たしている。 LLMのためのクロスブロック再構成に基づくPTQ手法CBQを提案する。 CBQはリコンストラクションスキームを使用してクロスブロック依存関係を採用し、エラーの蓄積を最小限に抑えるために複数のブロックにまたがる長距離依存関係を確立する。
  論文  参考訳（メタデータ） (2023-12-13T07:56:27Z)
• Binarizing Sparse Convolutional Networks for Efficient Point Cloud Analysis [93.55896765176414]
  我々は,効率的な点群解析のためのBSC-Netと呼ばれるバイナリスパース畳み込みネットワークを提案する。 我々は,移動したスパース畳み込みにおけるサイトマッチングに最適なオプションを見つけるために,異なる検索戦略を採用している。 我々のBSC-Netは、我々の厳格なベースラインを大幅に改善し、最先端のネットワーク双対化手法より優れています。
  論文  参考訳（メタデータ） (2023-03-27T13:47:06Z)

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。