論文の概要: UltraFlash: Accelerating Megapixel Visual Synthesis

• arxiv url: http://arxiv.org/abs/2610.33581v2
• Date: Tue, 27 Oct 2026 11:09:49 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-10-28 21:04:31.344134
• Title: UltraFlash: Accelerating Megapixel Visual Synthesis
• Title（参考訳）: UltraFlash: メガピクセルのビジュアル合成を高速化
• Abstract要約: 本稿では,メガピクセル視覚合成への遷移効率のアプローチを提案する。 UltraFlashは、画像品質を改善しながら、4K生成のレイテンシを約2倍削減する。 その結果,画素空間遷移の最適化は効率と忠実性を両立させることができることがわかった。
• 参考スコア（独自算出の注目度）: 11.82229379394603
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Megapixel visual synthesis with latent diffusion models requires operating far beyond the resolutions at which these models are typically trained. Cascade refinement is a leading strategy for this setting: it starts from a base image at a native resolution and progressively upsamples it to the target resolution through multiple refinement stages. Each stage typically performs a pixel-space resolution transition followed by latent-space denoising. While prior acceleration efforts mainly focus on reducing denoising cost, we identify a complementary and underexplored bottleneck: the repeated movement of representations through the VAE. We call these operations pixel-space transitions. In cascade pipelines, intermediate latents are often decoded to RGB, resized, and re-encoded before refinement, while final latents are decoded patch by patch with dense overlap to suppress boundary artifacts. We propose UltraFlash, a transition-efficient approach that accelerates these VAE-heavy operations. UltraFlash has two components. Latent Hyperloop replaces intermediate RGB round trips with a learned latent-space shortcut that approximates the decode-resize-encode transformation without repeated VAE decoding and encoding. Sparse Patch-based Decoding accelerates final reconstruction by addressing patch seams caused by inconsistent GroupNorm statistics and reusing cached statistics across patches, enabling sparse VAE decoding with much smaller overlap. Integrated into a state-of-the-art cascade baseline, UltraFlash reduces 4K generation latency by approximately 2x while improving image quality. These results show that optimizing pixel-space transitions can improve both efficiency and fidelity, offering an effective route toward fast, high-quality megapixel visual synthesis.
• Abstract（参考訳）: 遅延拡散モデルを用いたメガピクセルの視覚合成は、これらのモデルが通常訓練される解像度を超える操作を必要とする。 カスケードリファインメントはこの設定の主要な戦略であり、ベースイメージからネイティブ解像度で始まり、複数のリファインメントステージを通じて徐々にターゲット解像度にアップサンプリングされる。 通常、各ステージはピクセル空間分解遷移を行い、次に潜在空間分解を行う。 先行的な加速の取り組みは、主にデノジングコストの削減に重点を置いているが、相補的で未探索のボトルネックであるVAEによる表現の反復的移動を特定している。 これらの操作をピクセル空間遷移と呼ぶ。 カスケードパイプラインでは、中間ラテントはしばしばRGBにデコードされ、リサイズされ、リコードされ、最終ラテントは、境界アーティファクトを抑えるために重なり合うパッチでパッチでデコードされる。 VAE重み演算を高速化する遷移効率の高いアプローチであるUltraFlashを提案する。 UltraFlashには2つのコンポーネントがある。 Latent Hyperloopは、中間RGBラウンドトリップを学習されたラテントスペースショートカットに置き換える。 スパースパッチベースのデコーディングは、一貫性のないGroupNorm統計によるパッチシームに対処し、パッチ間でキャッシュされた統計を再利用することで、最終的な再構築を加速する。 最先端のカスケードベースラインに統合されたUltraFlashは、画像品質を改善しながら、4K生成のレイテンシを約2倍削減する。 これらの結果から,画素空間遷移の最適化は効率と忠実性の両方を向上し,高速で高品質なメガピクセル視覚合成への有効な経路を提供することが示された。

関連論文リスト

• ZoomDiff: A High-Fidelity Diffusion Model for Dual-Camera Smooth Zooming [52.06132693305164]
  デュアルカメラ間のデジタルズーム遷移は、幾何学的構造と色調の整合性において顕著な不連続性を示すことが多い。 本稿では,高忠実度拡散モデルであるZoomDiffを提案する。
  論文  参考訳（メタデータ） (2026-09-23T13:22:58Z)
• PixelU: A U-Shaped Transformer for Efficient End-to-End Pixel Diffusion [16.22743300700166]
  我々は、ピクセル空間に適した最小限の単段U字型拡散変換器であるPixelUを紹介する。 PixelUは「情報ハイウェイ」を提供するゼロコストスキップ接続に賛成して補助デコーダを放棄 実験により、この周波数の分離は、計算コストの約1/3で強いベースライン(JiT-G)より優れていることが示された。
  論文  参考訳（メタデータ） (2026-06-26T06:39:06Z)
• Accelerating Diffusion Decoders via Multi-Scale Sampling and One-Step Distillation [9.199518837644424]
  拡散型デコーダは画像トークン化において,高忠実度で遅延表現から画像を再構成するために採用されている。 この非効率性に対処するための2段階の加速フレームワークを導入する。 各スケールで拡散復号器を1ステップの復号化モデルに蒸留し,高速かつ高品質な再構成を可能にする。
  論文  参考訳（メタデータ） (2026-03-20T02:24:58Z)
• Next-Frame Decoding for Ultra-Low-Bitrate Image Compression with Video Diffusion Priors [30.653078447499894]
  超低ビットレート画像圧縮(ULB-IC)のための新しいパラダイムを提案する。 我々はデコード中の明示的な中間状態(コンパクトアンカーフレーム)を定義する。 次に、生成復号化を、このアンカーから最終的な再構成画像への仮想時間遷移として再解釈する。
  論文  参考訳（メタデータ） (2026-03-16T11:24:26Z)
• Generative Latent Coding for Ultra-Low Bitrate Image Compression [61.71793017252801]
  本稿では,生成ベクトル量子化変分自動エンコーダ(VQ-VAE)の潜時空間で変換符号化を行う生成潜時符号化アーキテクチャを提案する。 生成潜伏空間は、より空間性が高く、より豊かな意味を持ち、人間の知覚との整合性が良く、高現実性および高忠実性圧縮を達成するのに有利である。
  論文  参考訳（メタデータ） (2025-12-23T09:35:40Z)
• SSDD: Single-Step Diffusion Decoder for Efficient Image Tokenization [56.12853087022071]
  スケーリングとトレーニングの安定性を向上させるために,新しい画素拡散デコーダアーキテクチャを導入する。 蒸留を用いて, 拡散復号器の性能を効率よく再現する。 これによりSSDDは、敵の損失なしに訓練された単一ステップ再構成に最適化された最初の拡散デコーダとなる。
  論文  参考訳（メタデータ） (2025-10-06T15:57:31Z)
• StableCodec: Taming One-Step Diffusion for Extreme Image Compression [19.69733852050049]
  拡散に基づく画像圧縮は、高いリアリズムで超低符号化(1ピクセルあたり0.05ビット未満)を達成するという驚くべき可能性を示している。 現在のアプローチでは、極端な制約の下で現実的な結果を生成するために、デコーダの多数のデノナイズステップが必要となる。 本稿では,高忠実度・高現実性画像圧縮のための一段階拡散を可能にするStableCodecを紹介する。
  論文  参考訳（メタデータ） (2025-06-27T07:39:21Z)
• DDT: Decoupled Diffusion Transformer [51.84206763079382]
  拡散変換器はノイズの多い入力を符号化し、意味成分を抽出し、同じモジュールで高い周波数をデコードする。 textbfcolorddtDecoupled textbfcolorddtTransformer(textbfcolorddtDDT) textbfcolorddtTransformer(textbfcolorddtDDT) textbfcolorddtTransformer(textbfcolorddtDDT)
  論文  参考訳（メタデータ） (2025-04-08T07:17:45Z)
• Degradation-Aware Unfolding Half-Shuffle Transformer for Spectral Compressive Imaging [142.11622043078867]
  圧縮画像と物理マスクからパラメータを推定し,これらのパラメータを用いて各イテレーションを制御する,DAUF(Degradation-Aware Unfolding Framework)を提案する。 HST を DAUF に接続することにより,HSI 再構成のための変換器の深部展開法であるデグレーション・アウェア・アンフォールディング・ハーフシャッフル変換器 (DAUHST) を確立した。
  論文  参考訳（メタデータ） (2022-05-20T11:37:44Z)

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。