論文の概要: ManifoldCache: Training-Free Diffusion Acceleration via Constraint Manifold Caching

• arxiv url: http://arxiv.org/abs/2610.04510v1
• Date: Sat, 03 Oct 2026 13:18:15 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-10-12 10:01:12.278857
• Title: ManifoldCache: Training-Free Diffusion Acceleration via Constraint Manifold Caching
• Title（参考訳）: ManifoldCache: 制約マニフォールドキャッシングによるトレーニング不要拡散加速
• Abstract要約: CMDM(Constraint-Manifold Diffusion Models)を紹介する。 医用ボリューム、分子構造、タンパク質のバックボーン設計、結晶構造予測、マルチビュー3Dシーンにまたがる8つの最先端モデルを統合する。 ManifoldCacheは、CMDMの最初の原則から設計された、トレーニング不要でデータフリーな最初のアクセラレータである。
• 参考スコア（独自算出の注目度）: 5.85394988427118
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Diffusion models for structured scientific generation must produce samples satisfying hard geometric constraints imposed by physics, chemistry, or biology, yet inference in these settings is prohibitively slow, demanding hundreds to thousands of neural-function evaluations per sample. We unify eight state-of-the-art models spanning medical volumetrics, molecular conformations, protein backbone design, crystal structure prediction, and multi-view 3D scenes under a single abstraction, Constraint-Manifold Diffusion Models (CMDMs), in which the target distribution is supported on a manifold defined by an externally specified constraint map. All existing acceleration families fail on this class: quantization exhausts memory on high-dimensional volumetric operators; pruning breaks constraint fidelity; fast ODE solvers allow trajectories to drift off the constraint manifold; and feature-caching heuristics are blind to constraint geometry, inducing mode confusion in the high-noise regime. We introduce ManifoldCache, the first training-free, data-free accelerator designed from first principles for CMDMs. The key insight is that the conditional score decomposes orthogonally into a normal component, which enforces constraint satisfaction, and a tangential component, which navigates within the manifold. Exploiting this structure, we prove that the noise-schedule midpoint is a sharp safe-caching boundary: caching before it incurs provably bounded error, while caching after it guarantees a strictly positive fraction of trajectories suffer mode confusion, a gap that persists up to the boundary. We further prove that deeper network blocks admit provably larger certified cache strides within the safe phase, as a consequence of the score decomposition propagating through block Jacobians. The resulting schedule requires no calibration data, along with zero training overhead.
• Abstract（参考訳）: 構造化された科学生成のための拡散モデルは、物理、化学、生物学によって課せられる厳密な幾何学的制約を満たすサンプルを生成する必要があるが、これらの設定での推論は違法に遅く、1サンプルあたり数百から数千の神経機能評価を必要とする。 本研究では, 医用容積, 分子構造, タンパク質のバックボーン設計, 結晶構造予測, およびマルチビュー3Dシーンを1つの抽象化で統一した8つの最先端モデルであるConstraint-Manifold Diffusion Models (CMDMs) を, 対象分布を外部に指定された制約マップで定義された多様体上で支持する。 量子化は高次元の体積演算子にメモリを消費し、プルーニングは制約フィリティを破り、高速ODEソルバは制約多様体から軌跡をドリフトさせる。 ManifoldCacheは、CMDMの最初の原則から設計された、トレーニング不要でデータフリーな最初のアクセラレータです。 重要な洞察は、条件スコアが直交的に正規成分に分解され、制約満足度を強制し、多様体内をナビゲートする接成分となることである。 この構造をエクスプロイトすると、ノイズ・スケジュール中間点がシャープな安全なキャッシング境界であることが証明され、それ以前のキャッシングは証明可能なバウンドエラーを発生させ、一方、トラジェクリーの厳密な正の分数を保証するキャッシングは、境界まで続くギャップであるモード混乱に悩まされる。 さらに、より深いネットワークブロックは、ブロックジャコビアンを通して伝播するスコア分解の結果、安全なフェーズ内で証明可能なより大きなキャッシュストライドを許容できることを示す。 その結果、キャリブレーションデータを必要とせず、トレーニングのオーバーヘッドもゼロになる。

関連論文リスト

• IB-Flow: Information Bottleneck-Guided CFG Distillation for Few-Step Text-to-Image Generation [9.17007090517294]
  自由誘導軌道を対象とする蒸留は2次元圧縮パラダイムとして広く普及している。 我々は、情報理論の理論レンズを通して蒸留プロセスを再検討する。 本稿では、難解なKL分散制約をゼロオーバーヘッド閉形式解に変換するインスタンス認識選択機構を提案する。
  論文  参考訳（メタデータ） (2026-07-10T06:43:43Z)
• NaviCache: Test-Time Self-Calibration Caching for Video Generation [82.90113757454375]
  NaviCacheはビデオ拡散モデルのためのテスト時間自己校正手法である。 基本的な領域ギャップと非定常的な拡散の性質を橋渡しする。 理論上は、誤差バウンド・スキップのメカニズムを提供する。
  論文  参考訳（メタデータ） (2026-06-25T09:28:12Z)
• Controller-Augmented Hidden Markov Models: A Computational Framework for Constrained Sequential Inference [0.0]
  本稿では Controller-Augmented Hidden Markov Models (CHMM) を提案する。 CHMMは、最小限の十分な履歴を追跡する有限状態コントローラに各制約をコンパイルするフレームワークである。 3つの実世界のシークエンスラベルタスクにおいて,CHMMを6つの代替デコーダに対して評価する。
  論文  参考訳（メタデータ） (2026-06-11T19:29:09Z)
• Need We Teach Foundation Models What is a Generative Image? Gradient-Free Generative Artifact Detection via Analytic Spectral Adaptation [3.881211374324378]
  勾配ベースの更新による生成成果物の検出に基礎モデルを適用することで、本質的な表現が損なわれる。 本稿では,二分分類から外分布(OOD)異常測定問題への検出を緩和する勾配のない手法を提案する。
  論文  参考訳（メタデータ） (2026-06-03T13:04:23Z)
• Bridging Semantic and Kinematic Conditions with Diffusion-based Discrete Motion Tokenizer [55.9892973179428]
  MoTokは、セマンティックな抽象化をきめ細かな再構築から切り離す離散モーショントークンである。 また,HumanML3Dでは,トークンの6分の1しか使用せず,MaskControl上での制御性と忠実度を大幅に向上する。
  論文  参考訳（メタデータ） (2026-03-19T17:59:51Z)
• Provably Safe Generative Sampling with Constricting Barrier Functions [1.8377602530643375]
  フローベース生成モデルは複雑なデータ分布の学習において顕著な成功を収めた。 本稿では,事前学習した生成モデルのオンラインシールドとして機能する安全フィルタリングフレームワークを提案する。 本機構は, 各サンプリングステップにおいて, 元のモデルからの分布シフトを最小限に抑えながら, 安全なサンプリングを保証する。
  論文  参考訳（メタデータ） (2026-02-24T23:06:58Z)
• Predictive Feature Caching for Training-free Acceleration of Molecular Geometry Generation [67.20779609022108]
  フローマッチングモデルは、高忠実度分子ジオメトリを生成するが、推論中にかなりの計算コストを発生させる。 本研究は,分子幾何生成を加速する学習自由キャッシング戦略について論じる。 GEOM-Drugsデータセットの実験は、キャッシングがウォールクロックの推測時間の2倍の削減を実現することを示した。
  論文  参考訳（メタデータ） (2025-10-06T09:49:14Z)
• Towards Continual Learning Desiderata via HSIC-Bottleneck Orthogonalization and Equiangular Embedding [55.107555305760954]
  本稿では,レイヤワイドパラメータのオーバーライトや決定境界の歪みに起因する,概念的にシンプルで効果的な手法を提案する。 提案手法は,ゼロの指数バッファと1.02倍の差が絶対的に優れていても,競争精度が向上する。
  論文  参考訳（メタデータ） (2024-01-17T09:01:29Z)
• Toward Certified Robustness Against Real-World Distribution Shifts [65.66374339500025]
  我々は、データから摂動を学ぶために生成モデルを訓練し、学習したモデルの出力に関して仕様を定義する。 この設定から生じるユニークな挑戦は、既存の検証者がシグモイドの活性化を厳密に近似できないことである。 本稿では,古典的な反例誘導的抽象的洗練の概念を活用するシグモイドアクティベーションを扱うための一般的なメタアルゴリズムを提案する。
  論文  参考訳（メタデータ） (2022-06-08T04:09:13Z)

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。