Fugu-MT 論文翻訳(概要): Counterfactual Route Optimization for Gaussian Head Avatar Modeling

論文の概要: Counterfactual Route Optimization for Gaussian Head Avatar Modeling

arxiv url: http://arxiv.org/abs/2610.09791v1
Date: Wed, 07 Oct 2026 10:08:08 GMT
ステータス: 翻訳完了
システム内更新日: 2026-10-08 21:58:22.851454
Title: Counterfactual Route Optimization for Gaussian Head Avatar Modeling
Title（参考訳）: ガウス頭部アバターモデリングのための実測経路最適化
Abstract要約: 頭部アバターモデリングは、幾何学、外観、対面的整合性に異なる支配的な影響を持つ目標を共同で最適化する必要がある。中心的な課題は、各トレーニング状態においてどの最適化方向がより有益かを特定することである。本稿では,頭部アバターモデリングのための実測経路最適化フレームワークを提案する。
参考スコア（独自算出の注目度）: 50.10122849806579
License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
Abstract: Head avatar modeling requires jointly optimizing multiple objectives with different dominant effects on geometry, appearance, and cross-view consistency. However, their relative effectiveness varies across training states, while existing pipelines typically rely on fixed loss weights or handcrafted stage-wise schedules. A central challenge is therefore to identify which optimization direction is more beneficial at each training state. We propose a counterfactual route optimization framework for Gaussian head avatar modeling, which characterizes state-dependent optimization preference from the realized effects of alternative updates rather than predefined heuristic weighting. Starting from the same training state, we perform short-horizon route-restricted lookahead over geometry, appearance, and joint update routes and evaluate their outcomes under a unified utility. The resulting counterfactual evidence is factorized into a geometry--appearance preference and a residual joint advantage, separately capturing the relative preference between individual update directions and the additional benefit of coordinated optimization. We further amortize this offline evidence into a lightweight controller that directly estimates the current optimization preference and applies bounded modulation to the training objectives during full avatar optimization. Experiments on the NeRSemble dataset validate the effectiveness of the proposed design, consistently outperforming existing methods while preserving clearer local facial structures and finer details.
Abstract（参考訳）: 頭部アバターモデリングは、幾何、外観、および視界の整合性に対して異なる支配的な影響を持つ複数の目的を共同で最適化する必要がある。しかし、それらの相対的な効果は訓練状態によって異なり、既存のパイプラインは通常、固定損失重みや手作りのステージワイドスケジュールに依存している。したがって、トレーニング状態ごとにどの最適化方向がより有益かを特定することが中心的な課題である。本稿では,事前定義されたヒューリスティック重み付けよりも,代替更新が実現した影響から,状態依存型最適化を特徴付けるガウスヘッドアバターモデリングのための実測経路最適化フレームワークを提案する。同じトレーニング状態から、幾何学、外観、共同更新経路上の短い水平経路制限されたルックアヘッドを実行し、それらの結果を統一的なユーティリティで評価する。結果として得られた反事実的証拠は、幾何-外観的選好と残余のジョイント・アドバンテージに分解され、個々の更新方向間の相対的選好と座標最適化のさらなる利点を別々に把握する。さらに、このオフラインエビデンスを、現在の最適化選好を直接推定し、フルアバター最適化時のトレーニング目標に有界変調を適用する軽量コントローラに記憶する。 NeRSembleデータセットの実験は、提案した設計の有効性を検証し、より鮮明な局所的な顔構造と細部を保ちながら、既存の手法を一貫して上回ります。

関連論文リスト

Reward Score Matching: Unifying Reward-based Fine-tuning for Flow and Diffusion Models [54.597200388738656]
Reward-based fine-tuningは、事前訓練された拡散またはフローベース生成モデルを、より高い逆サンプルに向けて操ることを目的としている。報酬スコアマッチング (RSM) と呼ばれる共通フレームワークで記述できることが示される。
論文参考訳（メタデータ） (2026-04-19T12:47:52Z)
From Baselines to Preferences: A Comparative Study of LoRA/QLoRA and Preference Optimization for Mental Health Text Classification [2.115174610040722]
本稿では,統合型メンタルヘルス分類課題における最適化経路の体系的比較研究について述べる。まず、古典的および参照を定式化し、次にLoRA/QLoRAを用いてパラメータ効率の高い微調整を行う。 DPO,ORPO,KTOによる嗜好に基づく最適化の評価を行った。
論文参考訳（メタデータ） (2026-04-01T11:36:12Z)
Two-Stage Optimizer-Aware Online Data Selection for Large Language Models [49.576993784867035]
我々は,大規模言語モデルの微調整において,勾配に基づくオンラインデータ選択と重み付けのための原則付きフレームワークを提案する。私たちのキーとなる考え方は、オンライン選択を静的なサンプルランキングではなく、次のターゲット指向のアップデートを州の下で形作ることです。実験の結果,本手法は既存のオンラインデータ選択ベースラインに対するコンバージェンスとダウンストリームのパフォーマンスを,同じデータ予算下で一貫して改善することが示された。
論文参考訳（メタデータ） (2026-03-08T21:46:16Z)
The Unanticipated Asymmetry Between Perceptual Optimization and Assessment [15.11427750828098]
画像品質評価(IQA)に優れる忠実度指標は知覚的最適化に必ずしも有効ではないことを示す。また、識別器設計は、バニラやトランスフォーマーベースの代替品よりも、より忠実な詳細な再構築を提供するパッチレベルおよび畳み込みアーキテクチャによって、最適化を形作る上で決定的な役割を担っていることも示している。
論文参考訳（メタデータ） (2025-09-25T08:08:26Z)
LEAD: Exploring Logit Space Evolution for Model Selection [39.30586021894318]
本稿では,ロジットのネットワーク出力に基づく微調整型アプローチであるLEADを提案する。 10のダウンストリームデータセットにわたる24の教師付きおよび自己教師付き事前トレーニングモデルに関する包括的な実験は、素晴らしいパフォーマンスを示している。
論文参考訳（メタデータ） (2025-07-19T09:45:17Z)
Optimal Transport Adapter Tuning for Bridging Modality Gaps in Few-Shot Remote Sensing Scene Classification [80.83325513157637]
Few-Shot Remote Sensing Scene Classification (FS-RSSC)は,限られたラベル付きサンプルを用いたリモートセンシング画像の分類の課題を示す。理想的なプラトン表現空間を構築することを目的とした,OTAT(Optimal Transport Adapter Tuning)フレームワークを提案する。
論文参考訳（メタデータ） (2025-03-19T07:04:24Z)
Adaptive Preference Scaling for Reinforcement Learning with Human Feedback [103.36048042664768]
人間からのフィードバックからの強化学習(RLHF)は、AIシステムと人間の価値を合わせるための一般的なアプローチである。本稿では,分散ロバスト最適化(DRO)に基づく適応的優先損失を提案する。提案手法は多用途であり,様々な選好最適化フレームワークに容易に適用可能である。
論文参考訳（メタデータ） (2024-06-04T20:33:22Z)
Track Everything Everywhere Fast and Robustly [46.362962852140015]
ビデオ中の任意のピクセルを効率的に追跡するための新しいテスト時間最適化手法を提案する。本稿では,関数表現を局所的な時空間特徴グリッドに分解する,新しい非可逆変形ネットワークCaDeX++を提案する。本実験は,SoTA最適化手法であるOmniMotion上でのトレーニング速度( textbf10 倍の速度),堅牢性,精度を著しく向上したことを示す。
論文参考訳（メタデータ） (2024-03-26T17:58:22Z)
Hallmarks of Optimization Trajectories in Neural Networks: Directional Exploration and Redundancy [75.15685966213832]
最適化トラジェクトリのリッチな方向構造をポイントワイズパラメータで解析する。トレーニング中のスカラーバッチノルムパラメータは,ネットワーク全体のトレーニング性能と一致していることを示す。
論文参考訳（メタデータ） (2024-03-12T07:32:47Z)
A Differential Game Theoretic Neural Optimizer for Training Residual Networks [29.82841891919951]
本稿では、残差接続と畳み込み層の両方を受け入れる一般化微分動的プログラミング(DDP)ニューラルアーキテクチャを提案する。得られた最適制御表現は、トレーニング残余ネットワークを、状態拡張システム上での協調的軌道最適化と解釈できるゲーム論的視点を許容する。
論文参考訳（メタデータ） (2020-07-17T10:19:17Z)

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。