論文の概要: Energy-Conditioned Noise Schedule and Whitening for Spectral Diffusion

• arxiv url: http://arxiv.org/abs/2610.07206v1
• Date: Mon, 05 Oct 2026 18:19:45 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-10-08 02:58:29.584468
• Title: Energy-Conditioned Noise Schedule and Whitening for Spectral Diffusion
• Title（参考訳）: スペクトル拡散のためのエネルギー依存型ノイズスケジュールとホワイトニング
• Abstract要約: 本稿では,変換領域拡散モデルに対するエネルギー適応型ノイズスケジューリングとホワイトニング戦略を提案する。 提案した定式化は,大域的なスペクトル白化とエネルギー条件付きノイズアロケーションを組み合わせることで,個々の変換係数のエネルギーに応じて入射ノイズを共同変調する。
• 参考スコア（独自算出の注目度）: 3.3345263849085582
• License: http://creativecommons.org/licenses/by-nc-nd/4.0/
• Abstract: This paper introduces an energy-adaptive noise scheduling and whitening strategy for transform-domain diffusion models. Existing spectral diffusion methods account for the non-uniform statistics of transform coefficients through coefficient scaling, normalization, or frequency prioritization, while the forward diffusion noise schedule remains largely independent of the underlying spectral-energy distribution. We investigate whether the temporal evolution of the forward diffusion process should also follow the spectral organization of natural images. The proposed formulation combines global spectral whitening with energy-conditioned noise allocation that jointly modulates the injected noise according to the energy of individual transform coefficients and an image-dependent energy path over diffusion time. The resulting forward process preserves Gaussian transitions with closed-form marginals and remains compatible with standard DDPM and DDIM procedures without modifying the diffusion architecture. Experiments on CIFAR-10 demonstrate the contribution of the proposed energy-conditioned noise schedule and spectral whitening, reducing Fréchet Inception Distance from 142.48 for a compact DCTdiff U-Net variant to 100.45.
• Abstract（参考訳）: 本稿では,変換領域拡散モデルに対するエネルギー適応型ノイズスケジューリングとホワイトニング手法を提案する。 既存のスペクトル拡散法は、係数スケーリング、正規化、周波数優先化による変換係数の非一様統計を考慮に入れているが、前方拡散ノイズスケジュールは、基礎となるスペクトルエネルギー分布とは独立である。 本研究では,前方拡散過程の時間的進化が自然画像のスペクトル構造に従わなければならないかどうかを考察する。 提案した定式化は,大域的なスペクトル白化とエネルギー条件付きノイズアロケーションを組み合わせることで,個々の変換係数のエネルギーと拡散時間による画像依存エネルギーパスに応じて,入射ノイズを共同変調する。 このプロセスはガウス遷移を閉形式境界で保存し、拡散アーキテクチャを変更することなく標準DDPMやDDIMの手順と互換性を保つ。 CIFAR-10の実験では、提案されたエネルギー条件付きノイズスケジュールとスペクトル白化の寄与を実証し、Fréchet Inception Distance を 142.48 から 100.45 にコンパクトな DCTdiff U-Net 変種に還元した。

関連論文リスト

• Revisiting Spectral Representations in Generative Diffusion Models [98.43552218868837]
  拡散モデルは多様な生成タスクにおいて顕著な性能を示した。 近年の研究では,拡散ネットワークの隠れ状態に表現アライメントを付与することで,トレーニングの収束とサンプリング品質の向上が図られている。 摂動カーネルの共有視点による自己教師付きスペクトル表現学習と拡散生成モデルの関連性について検討する。
  論文  参考訳（メタデータ） (2026-09-08T04:54:02Z)
• Flicker-DDPM: Accelerating Denoising Diffusion via 1/f Colored Noise Injection [0.0]
  自己組織臨界(SOC)にインスパイアされたフリック(1/f)ノイズを取り入れた新しい拡散モデルFlicker-DDPMを提案する。 本研究では,空間相関カーネル (d) = (d + 1)- をベースとした色付きノイズモジュールを開発し,生成した1/f雑音のスペクトル指数を制御することを理論的に確立する。 CIFAR-10では、Flicker DDPMは標準DDPMベースラインの生成品質を3.33倍のサンプリングステップで一致または上回る。
  論文  参考訳（メタデータ） (2026-06-02T09:36:09Z)
• AnyBand-Diff: A Unified Remote Sensing Image Generation and Band Repair Framework with Spectral Priors [10.352581041881864]
  本稿では,頑健なスペクトル再構成に適したスペクトル優先拡散フレームワークであるAnyBand-Diffを紹介する。 ラジオメトリックの忠実性を確保するため,物理誘導サンプリング機構を提案する。 実験は、AnyBand-Diffが信頼できる画像を生成するための有効性を確認する。
  論文  参考訳（メタデータ） (2026-05-14T04:04:34Z)
• Parallel Complex Diffusion for Scalable Time Series Generation [50.01609741902786]
  PaCoDiは周波数領域における生成モデリングを分離するスペクトルネイティブアーキテクチャである。 本研究では,PaCoDiが生成品質と推論速度の両方において,既存のベースラインを上回っていることを示す。
  論文  参考訳（メタデータ） (2026-02-10T14:31:53Z)
• InSPECT: Invariant Spectral Features Preservation of Diffusion Models [8.366856826763447]
  InSPECTは、前方および後方の両方で不変スペクトル特性を保持する新しい拡散モデルである。 不変性を保存することにより、InSPECTは視覚的多様性の向上、収束速度の向上、よりスムーズな拡散過程を示す。 これは拡散モデルにおける不変スペクトルの特徴を分析し保存する最初の試みである。
  論文  参考訳（メタデータ） (2025-12-19T18:24:02Z)
• FeRA: Frequency-Energy Constrained Routing for Effective Diffusion Adaptation Fine-Tuning [124.5975705334805]
  FeRAは、効果的な拡散適応微調整のための包括的な周波数エネルギーの枠組みを確立する。 アダプタベースのチューニングスキームとシームレスに統合され、拡散バックボーンと解像度にわたってうまく一般化される。
  論文  参考訳（メタデータ） (2025-11-22T08:46:18Z)
• A Variational Perspective on Solving Inverse Problems with Diffusion Models [101.831766524264]
  逆タスクは、データ上の後続分布を推測するものとして定式化することができる。 しかし、拡散過程の非線形的かつ反復的な性質が後部を引き付けるため、拡散モデルではこれは困難である。 そこで我々は,真の後続分布を近似する設計手法を提案する。
  論文  参考訳（メタデータ） (2023-05-07T23:00:47Z)
• Quantifying NV-center Spectral Diffusion by Symmetry [0.0]
  ダイヤモンド中の窒素空孔中心欠陥のスペクトル的に狭くスピン依存的な光遷移は、量子ネットワークへの応用に利用することができる。 このようなネットワークスキームの鍵は、区別できない光子の生成である。 2つの課題は、局所ひずみ変動による光遷移の欠陥-欠陥変動と、近傍の電荷トラップの光励起による繰り返し測定における光周波数のスペクトル拡散である。
  論文  参考訳（メタデータ） (2022-06-22T20:19:56Z)
• Diffusion-GAN: Training GANs with Diffusion [135.24433011977874]
  GAN(Generative Adversarial Network)は、安定してトレーニングすることが難しい。 フォワード拡散チェーンを利用してインスタンスノイズを生成する新しいGANフレームワークであるDiffusion-GANを提案する。 我々は,Diffusion-GANにより,最先端のGANよりも高い安定性とデータ効率で,よりリアルな画像を生成することができることを示す。
  論文  参考訳（メタデータ） (2022-06-05T20:45:01Z)

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。