論文の概要: TrajCFG: Token-Wise Classifier-Free Guidance via Denoising Trajectory Feedback

• arxiv url: http://arxiv.org/abs/2610.14153v1
• Date: Fri, 09 Oct 2026 16:36:51 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-10-20 22:56:42.902478
• Title: TrajCFG: Token-Wise Classifier-Free Guidance via Denoising Trajectory Feedback
• Title（参考訳）: TrajCFG:Token-Wise Classifier-Free Guidance via Denoising Trajectory Feedback
• Abstract要約: Trajectory-Free Guidance (TrajCFG) は、フローフリーモデルのためのフローフリートレーニング手法である。 ガイドされた速度方向の歴史的変化を利用してトークン的に誘導する。 結果は、詳細なガイダンスアロケーションのための広範に適用可能な信号として、歴史的指向性フィードバックをサポートする。
• 参考スコア（独自算出の注目度）: 29.422501743364904
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Classifier-free guidance (CFG) typically applies a shared scale to all latent tokens, although their velocity predictions evolve differently during sampling. We introduce Trajectory-Adaptive Classifier-Free Guidance (TrajCFG), a training-free method for flow-matching models that adapts token-wise guidance using historical changes in guided velocity direction. TrajCFG maps this feedback to bounded scales, assigning stronger guidance to larger directional changes and weaker guidance to more consistent directions. It combines adjacent-step and interval-normalized longer-span feedback, reusing standard CFG predictions without additional model evaluations. Controlled diagnostics and ablations examine the roles of directional feedback, token-wise allocation, and history-span fusion. Experiments on text-to-video, image-to-video, text-to-audio-video, text-to-image, and image-to-3D generation show improvements over base samplers across multiple backbones. For text-to-video generation, TrajCFG improves VBench Total scores by 0.30-0.75 points over the strongest evaluated baseline on each of three backbones. These results support historical directional feedback as a broadly applicable signal for fine-grained guidance allocation. The project page is available at https://jyliu-98.github.io/trajcfg-project-page/.
• Abstract（参考訳）: 分類器フリーガイダンス(CFG)は典型的には全ての潜在トークンに共有スケールを適用するが、その速度予測はサンプリング中に異なる進化を遂げる。 本稿では,ガイド付速度方向の歴史的変化を利用してトークンワイドガイダンスを適応させる,フローマッチングモデルのトレーニングフリーな手法であるトラジェクティブ適応型分類器フリーガイダンス(TrajCFG)を紹介する。 TrajCFGはこのフィードバックを有界なスケールにマッピングし、より大きな方向の変化へのガイダンスを割り当て、より一貫性のある方向へのガイダンスを弱める。 隣接ステップと間隔正規化された長周期フィードバックを組み合わせて、標準CFG予測を追加モデル評価なしで再利用する。 制御された診断と改善により、指向性フィードバック、トークンワイドアロケーション、履歴スパン融合の役割が検証される。 テキスト・トゥ・ビデオ、画像・トゥ・ビデオ、テキスト・トゥ・オーディオ・ビデオ、テキスト・トゥ・イメージ、画像・トゥ・3D生成の実験は、複数のバックボーンにまたがるベースサンプルよりも改善されている。 テキスト・ツー・ビデオ生成では、TrajCFGはVBench Totalスコアを0.30-0.75ポイント改善し、3つのバックボーンで最強評価ベースラインを更新した。 これらの結果は、詳細なガイダンスアロケーションのための広範に適用可能な信号として、歴史的指向性フィードバックをサポートする。 プロジェクトページはhttps://jyliu-98.github.io/trajcfg-project-page/.comで公開されている。

関連論文リスト

• VAttnPO: Visual Attention-Guided Policy Optimization [32.80475611792639]
  VAttnPOは、トークンレベルの信用を洗練するために、応答条件付き視覚的注意を使用する。 凍結した古いポリシーは、既知の正解を強制する教師による視覚的参照を構築する。 軌道中心、相対位置重み付け、信用バランスは、この合意をゼロ平均位置対応補正に変換する。
  論文  参考訳（メタデータ） (2026-10-12T13:04:45Z)
• NodeGround: A Node Classification Benchmark in the Graph Foundation Model Era [8.331524801839162]
  グラフ基礎モデル(GFM)とデータセット固有の教師あり学習を共通評価フレームワークに組み込んだノード分類ベンチマークであるNodeGroundを提案する。 このベンチマークは51のデータセットにまたがり、6つのGFMと15の教師付きメソッドを2つのラベルアベイラビリティ・レギュレーションで評価する。 結果は、グラフニューラルネットワーク全体を慎重に調整することを好む。
  論文  参考訳（メタデータ） (2026-09-30T13:06:59Z)
• TTRSD: Test-Time Reinforcement Learning with Self-Distillation for Vision-Language Models [27.31606612106555]
  テスト時強化学習により、未ラベル入力を用いて視覚言語モデルに適応することができる。 我々は,多視点応答レベル自己蒸留と視覚的コントラストトークン選択を組み合わせたテスト時強化学習フレームワークTTRSDを提案する。
  論文  参考訳（メタデータ） (2026-09-27T09:49:39Z)
• BA-T: An Iterative Transformer for Two-View Bundle Adjustment [53.16990349592508]
  暗黙のトークン空間における繰り返し可能なレイヤとして,BAスタイルの構造化更新を実装した反復変換器であるBA-Tを提案する。 実験により、BA-Tは反復間におけるポーズと再構成の精度を徐々に改善することが示された。 BA-Tは、奥行き重心に対するコンパクトで効率的で構造的な代替手段を提供し、軽量アーキテクチャ内で正確な3D再構成を可能にする。
  論文  参考訳（メタデータ） (2026-06-02T07:51:14Z)
• VAGS: Velocity Adaptive Guidance Scale for Image Editing and Generation [15.19510801548845]
  COCOフリーガイダンス(CFG)は、テキストセマンティクスがフローベースのサンプルをいかに動かせるかに関する主要な制御である。 本稿では,有界因子で名目規模を乗算する,トレーニング不要の代替案であるVAGSを提案する。 VAGSは、固定CFGと最近のトレーニングフリーガイダンスの変種に対して、構造的忠実度と生成品質を一貫して改善する。
  論文  参考訳（メタデータ） (2026-05-15T06:32:49Z)
• TALO: Pushing 3D Vision Foundation Models Towards Globally Consistent Online Reconstruction [57.46712611558817]
  3次元視覚基礎モデルでは、1つのフィードフォワードパスを通して、未校正画像からキー3D属性を再構成する際の強力な一般化が示されている。 近年の戦略は,グローバルトランスフォーメーションの解決によって連続的な予測と整合するが,本分析では,仮定の妥当性,局所的なアライメント範囲,雑音的幾何の下でのロバスト性といった基本的な限界を明らかにしている。 本研究では,グローバルに伝播する制御点を利用して空間的に異なる不整合を補正する,Tin Plate Splineに基づく高DOFおよび長期アライメントフレームワークを提案する。
  論文  参考訳（メタデータ） (2025-12-02T02:22:20Z)
• Rectified-CFG++ for Flow Based Models [26.896426878221718]
  本稿では,修正フローの決定論的効率を幾何学的条件付きルールと組み合わせた適応型予測器・補正器ガイダンスであるRectified-C++を提案する。 大規模なテキスト・ツー・イメージモデル(Flux, Stable Diffusion 3/3.5, Lumina)の実験では、Rectified-C++がベンチマークデータセットの標準CFGを一貫して上回っていることが示されている。
  論文  参考訳（メタデータ） (2025-10-09T00:00:47Z)
• Compile Scene Graphs with Reinforcement Learning [69.36723767339001]
  次世代予測は大規模言語モデル(LLM)の訓練の基本原理である 本稿では,マルチモーダルLLM(M-LLM)であるR1-SGGを紹介する。 私たちは、Hard Recall、Hard Recall+Relax、Soft Recallの3つのリコールベースのバリエーションを含む、グラフ中心の報酬セットを設計します。
  論文  参考訳（メタデータ） (2025-04-18T10:46:22Z)
• Multi-Cue Adaptive Visual Token Pruning for Large Vision-Language Models [85.51753014478315]
  本稿では,新しいプラグ・アンド・プレイ・トレーニングフリープルーニング手法であるAdaptPruneを紹介する。 空間距離とトークン類似性を適応的NMSアプローチと組み合わせることで、従来の注意に基づくプルーニングに基づいている。 当社のアプローチはトークンの重要性を総合的に評価することを保証するとともに,プルーニング決定を大幅に改善する。
  論文  参考訳（メタデータ） (2025-03-11T03:58:17Z)
• Adapting to Length Shift: FlexiLength Network for Trajectory Prediction [53.637837706712794]
  軌道予測は、自律運転、ロボット工学、シーン理解など、様々な応用において重要な役割を果たしている。 既存のアプローチは主に、一般に標準入力時間を用いて、公開データセットの予測精度を高めるために、コンパクトなニューラルネットワークの開発に重点を置いている。 本稿では,様々な観測期間に対する既存の軌道予測の堅牢性を高めるための,汎用的で効果的なフレームワークFlexiLength Network(FLN)を紹介する。
  論文  参考訳（メタデータ） (2024-03-31T17:18:57Z)

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。