論文の概要: MaskSense: Confronting the Visual Exploration Trap in Masked Image Generation

• arxiv url: http://arxiv.org/abs/2610.17009v1
• Date: Mon, 12 Oct 2026 15:52:58 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-10-18 03:46:41.534925
• Title: MaskSense: Confronting the Visual Exploration Trap in Masked Image Generation
• Title（参考訳）: MaskSense: マスク画像生成におけるビジュアル探索の道を開く
• Abstract要約: MaskSenseは、マスク付き生成モデル(MGM)に強化学習を適用するための新しいフレームワーク また,MaskSenseの精度は54%から86%に向上し,HPSは28.89から36.39に向上し,最先端性能を実現した。
• 参考スコア（独自算出の注目度）: 90.09182925511317
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Reinforcement learning (RL) has shown strong potential for aligning generative models with human intent, but adapting RL to masked generative models (MGMs) remains largely underexplored. Existing approaches that directly adapt Group Relative Policy Optimization (GRPO) to MGMs leave a foundational conflict unaddressed: MGMs' exploitative decoding nature is inherently at odds with the exploratory diversity that GRPO presupposes. In this work, we reveal a structural decoding bias termed the visual exploration trap: confidence-based sampling trades the exploration of diverse subject realizations for the greedy resolution of low-uncertainty background regions, causing premature collapse of the generative exploration space and starving GRPO of the rollout diversity it depends on. To this end, we propose MaskSense, a novel RL framework for MGMs that confronts the visual exploration trap at both the sampling and optimization stages. Specifically, we introduce a semantic anchored routing sampling mechanism that leverages semantic priors to preserve high-entropy subject token exploration while amplifying intra-group reward variance through exploratory-exploitative routing to yield more discriminative advantage estimates. Furthermore, we design a global entropy transition anchoring strategy to identify the most consequential decoding steps and concentrate gradient updates on them. Extensive experiments on multiple text-to-image benchmarks demonstrate that MaskSense substantially improves upon the base model, with GenEval accuracy improving from 54% to 86% and HPS from 28.89 to 36.39, achieving state-of-the-art performance.
• Abstract（参考訳）: 強化学習(Reinforcement Learning, RL)は、生成モデルと人間の意図を一致させる強力な可能性を示しているが、マスク付き生成モデル(MGM)にRLを適応させることは、いまだに未熟である。 グループ相対政策最適化(GRPO)を直接MGMに適用する既存のアプローチは、基礎的な紛争を未解決のまま残している。 信頼に基づくサンプリングは、低不確実な背景領域の厳密な解決のための多様な対象実現の探索を取引し、生成的探索空間の早期崩壊と、それが依存するロールアウト多様性のGRPOの飢餓を引き起こす。 そこで本稿では,MGM のための新しい RL フレームワークである MaskSense を提案する。 具体的には,探索的探索的ルーティングによるグループ内報酬分散を増幅し,より差別的な有利な推定値が得られるように,セマンティック・アンカード・ルーティング・サンプリング機構を導入する。 さらに,グローバルなエントロピー・トランジション・アンカリング・ストラテジーを設計し,逐次復号化のステップを特定し,それらを集中的に更新する。 複数のテキストと画像のベンチマークに関する大規模な実験により、MaskSenseはベースモデルで大幅に改善され、GenEvalの精度は54%から86%に改善され、HPSは28.89から36.39に改善され、最先端のパフォーマンスが達成された。

関連論文リスト

• Too Correct to Learn: Reinforcement Learning on Saturated Reasoning Data [55.84428098924793]
  構造保存探索を行うためのパラメータ自由復号法である Constrained Uniform Top-K Smpling (CUTS) を提案する。 グループ内の利点分散を増幅するために、エクスプロイトと探索的なロールアウトを相乗化するためのトレーニングフレームワークであるMixed-CUTSに統合する。 特にMixed-CUTSは、AIME25ベンチマークのPass@1の精度を標準のGRPOよりも15.1%向上している。
  論文  参考訳（メタデータ） (2026-04-20T16:43:28Z)
• Poly-EPO: Training Exploratory Reasoning Models [62.82992914206963]
  本稿では,学習後言語モデル(LM)の枠組みについて,楽観的な探索を明示的に奨励し,探索と搾取の相乗効果を促進する。 本稿では,この枠組みを探索と利用を明確に相乗化するための目的として,ポリクロミック探索政策最適化(Poly-EPO)を提案する。
  論文  参考訳（メタデータ） (2026-04-19T22:54:19Z)
• Consolidating Reinforcement Learning for Multimodal Discrete Diffusion Models [40.82263997290613]
  離散拡散においてスケーラブルなマルチモーダル強化学習を実現するための,最初の実行可能なアプローチであるMaskGRPOを紹介する。 MaskGRPOはより安定的で効率的なアップデートをもたらし、推論性能が向上し、世代品質が向上する。
  論文  参考訳（メタデータ） (2025-10-03T10:36:24Z)
• Inpainting-Guided Policy Optimization for Diffusion Large Language Models [67.97530437998117]
  自己回帰型LLMの代替として,マスケッド拡散大言語モデル (dLLM) が登場している。 本稿では,dLLMに対するRLアルゴリズムの設計について検討する。
  論文  参考訳（メタデータ） (2025-09-12T16:44:31Z)
• Delving into RL for Image Generation with CoT: A Study on DPO vs. GRPO [68.44918104224818]
  自己回帰画像生成は、Chain-of-Thought(CoT)推論とは異なる固有の課題を示す。 本研究は,自己回帰画像生成におけるGRPOアルゴリズムとDPOアルゴリズムの総合的研究である。 以上の結果から,GRPOとDPOは異なる優位性を示し,本質的な一般化能力を有する報酬モデルが適用されたRLアルゴリズムの一般化可能性を高める可能性が示唆された。
  論文  参考訳（メタデータ） (2025-05-22T17:59:49Z)
• A Closer Look at GAN Priors: Exploiting Intermediate Features for Enhanced Model Inversion Attacks [43.98557963966335]
  Model Inversion (MI)攻撃は、出力情報を利用して、リリースされたモデルからプライバシーに敏感なトレーニングデータを再構築することを目的としている。 GAN(Generative Adversarial Network)の最近の進歩は、MI攻撃の性能向上に大きく貢献している。 本稿では,GAN構造を分解し,中間ブロック間の特徴を利用する中間特徴拡張生成モデル変換(IF-GMI)を提案する。
  論文  参考訳（メタデータ） (2024-07-18T19:16:22Z)

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。