論文の概要: UltraDiff: Transferring High-Fidelity Priors to Compressed Latent Spaces for High-Resolution Image Generation

• arxiv url: http://arxiv.org/abs/2610.21202v1
• Date: Thu, 15 Oct 2026 04:00:42 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-10-16 19:13:16.169736
• Title: UltraDiff: Transferring High-Fidelity Priors to Compressed Latent Spaces for High-Resolution Image Generation
• Title（参考訳）: UltraDiff:高分解能画像生成のための圧縮潜時空間への高忠実度先行転送
• Abstract要約: 遅延拡散モデル (LDMs) を用いた高分解能合成は, 計算コストと生成率の基本的なトレードオフに直面している。 我々は,この課題を共同潜伏拡散学習として再考する枠組みであるUltraDiffを提案する。 1つのA100 GPU上で20ステップのサンプリングを行い、f8ベースラインの40倍の速度で6.2秒で2K画像を生成する。
• 参考スコア（独自算出の注目度）: 41.97066174753831
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: High-resolution synthesis with Latent Diffusion Models (LDMs) faces a fundamental trade-off between computational cost and generative fidelity. This trade off is largely governed by the latent compression factor f (e.g. f8 denotes f=8 and f32 f=32). While aggressive compression (f32) significantly improves efficiency, it suffers from severe information loss and ambiguity compared to standard f8 models. We propose UltraDiff, a framework that reformulates this challenge as joint latent diffusion learning followed by marginal score distillation. We introduce MixTeacher, a dual branch DiT that models the joint f8-f32 distribution, utilizing shared attention to resolve the ambiguity of the compressed space with high fidelity f8 priors. Crucially, we propose vector field distillation in the native f32 space. Theoretically, this compels the student to learn the conditional expectation of the teacher trajectory, effectively filtering out compression artifacts. Across the evaluated 1K to 4K settings, UltraDiff approaches f8 level quality while preserving f32 efficiency. With 20 sampling steps on a single A100 GPU, it generates a 2K image in 6.2 seconds over 40 times faster than our f8 baseline.
• Abstract（参考訳）: 遅延拡散モデル (LDMs) を用いた高分解能合成は, 計算コストと生成率の基本的なトレードオフに直面している。 このトレードオフは、主に遅延圧縮係数f(eg f8はf=8、f32 f=32)によって支配される。 アグレッシブ圧縮(f32)は効率を大幅に改善するが、標準的なf8モデルに比べて情報損失と曖昧さに悩まされる。 我々は,この課題を共同潜伏拡散学習として再考する枠組みであるUltraDiffを提案する。 連接f8-f32分布をモデル化した二重分岐DiTであるMixTeacherを導入し、圧縮空間のあいまいさを高忠実度f8先行で解消する。 重要なことは、ネイティブf32空間におけるベクトル場蒸留を提案する。 理論的には、これは生徒に教師の軌道の条件的期待を学習させ、圧縮品を効果的にフィルタリングする。 評価された1Kから4K設定全体で、UltraDiffはf32効率を維持しながらf8レベルの品質にアプローチする。 1つのA100 GPU上で20ステップのサンプリングを行い、f8ベースラインの40倍の速度で6.2秒で2K画像を生成する。

関連論文リスト

• Visual Implicit Autoregressive Modeling [42.343328817507505]
  我々は、浅いプレ/ポストブロック間に暗黙の平衡層を埋め込んだ次世代の自己回帰生成器であるVisual Implicit Autoregressive Modeling (VIAR)を紹介する。 VIARはImageNet 256x256ベンチマークでFID 2.16とsFID 8.07を達成した。 スケール毎のノブを制御することで、VIARはピークメモリを19.24GBから8.53GBに削減し、スループットを2倍にする。
  論文  参考訳（メタデータ） (2026-05-02T03:23:17Z)
• DiT-IC: Aligned Diffusion Transformer for Efficient Image Compression [56.68267606568949]
  DiT-ICは画像圧縮用アライメント拡散変換器である。 U-NetをDiffusion Transformerに置き換え、32倍のダウンスケール解像度で遅延空間での拡散を可能にする。 16GBのラップトップGPUで2048x2048画像を再構成できる。
  論文  参考訳（メタデータ） (2026-03-13T16:56:00Z)
• MeanFlow Transformers with Representation Autoencoders [71.45823902973349]
  MeanFlow(MF)は、ノイズからデータへのジャンプを直接学習することで、効率的な数ステップ生成を可能にする拡散動機付き生成モデルである。 我々は、表現オートエンコーダ(RAE)の潜在空間におけるMFの効率的なトレーニングとサンプリング手法を開発する。 1ステップのFIDが2.03であり,バニラMFの3.43を上回っ,GFLOPSのサンプリングを38%削減し,ImageNet 256のトレーニングコストを83%削減した。
  論文  参考訳（メタデータ） (2025-11-17T06:17:08Z)
• LowDiff: Efficient Diffusion Sampling with Low-Resolution Condition [12.702798486507225]
  LowDiffは、カスケードアプローチに基づく、新しく効率的な拡散フレームワークである。 LowDiffは、低解像度から所望の解像度まで画像を段階的に洗練する統一モデルを採用している。
  論文  参考訳（メタデータ） (2025-09-18T18:31:56Z)
• Breaking the Compression Ceiling: Data-Free Pipeline for Ultra-Efficient Delta Compression [57.71917274869577]
  UltraDeltaはデータフリーのデルタ圧縮パイプラインで、超高圧縮と強力なパフォーマンスを実現する。 UltraDeltaは、冗長性を最小化し、情報を最大化し、層間、層内、大域的な寸法で性能を安定させるように設計されている。
  論文  参考訳（メタデータ） (2025-05-19T10:37:22Z)
• One-step Diffusion with Distribution Matching Distillation [54.723565605974294]
  本稿では,拡散モデルを1ステップ画像生成器に変換する手法である分散マッチング蒸留(DMD)を紹介する。 約KLの発散を最小化することにより,拡散モデルと分布レベルで一致した一段階画像生成装置を強制する。 提案手法は,イメージネット64x64では2.62 FID,ゼロショットCOCO-30kでは11.49 FIDに到達した。
  論文  参考訳（メタデータ） (2023-11-30T18:59:20Z)

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。