論文の概要: Latent Diffusion-GAN: Adversarial Learning in the Autoencoded Latent Space

• arxiv url: http://arxiv.org/abs/2611.02625v1
• Date: Mon, 02 Nov 2026 06:53:03 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-11-11 20:14:25.134898
• Title: Latent Diffusion-GAN: Adversarial Learning in the Autoencoded Latent Space
• Title（参考訳）: 潜時拡散GAN:自己符号化潜時空間における逆学習
• Abstract要約: Latent Diffusion Generative Adversarial Networks (LD-GAN) は、敵対的学習を拡散モデルにシームレスに統合する新しいフレームワークである。 LD-GANは,最先端のベースライン法よりも試料の忠実度,知覚的鋭さ,多様性を著しく改善する。
• 参考スコア（独自算出の注目度）: 2.8951915538170288
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Diffusion models are powerful generative frameworks for producing high-quality images by denoising latent variables from random noise. However, training with likelihood-based objectives, such as denoising score matching, can lead to locally over-smoothed high-frequency details, including fine textures and sharp edges, thereby limiting perceptual fidelity and structural detail. Adversarial training with GANs enhances sharpness but typically requires additional discriminator networks, increasing computational costs and destabilizing training. To this end, we propose Latent Diffusion Generative Adversarial Networks (LD-GAN), a novel framework that seamlessly integrates adversarial learning into diffusion models without modifying their original pipeline. LD-GAN leverages the pretrained variational autoencoder (VAE) in latent diffusion models as an energy-based discriminator, enabling adversarial training without extra parameters and preserving the structured latent priors learned from large datasets. We also introduce a structural consistency energy that aligns encoder and decoder feature representations, thereby enhancing perceptual quality and compatibility with the pretrained latent space. Extensive experiments demonstrate that LD-GAN significantly improves sample fidelity, perceptual sharpness, and diversity over state-of-the-art baseline methods across various generation tasks while ensuring efficient training dynamics.
• Abstract（参考訳）: 拡散モデルは、ランダムノイズから潜伏変数を識別することで高品質な画像を生成するための強力な生成フレームワークである。 しかし、スコアマッチングなどの可能性に基づくトレーニングは、きめ細かいテクスチャや鋭いエッジを含む局所的に過度に平滑な高周波の詳細を導き、知覚の忠実さと構造的詳細を制限する。 GANによる敵対的訓練はシャープさを高めるが、通常は差別化ネットワークの追加、計算コストの増大、トレーニングの不安定化を必要とする。 そこで本研究では,従来のパイプラインを変更せずに,逆流学習を拡散モデルにシームレスに統合する新しいフレームワークであるLD-GANを提案する。 LD-GANは、遅延拡散モデルにおける事前訓練された変分オートエンコーダ(VAE)をエネルギーベースの判別器として利用し、余分なパラメータなしで敵のトレーニングを可能にし、大きなデータセットから学習した構造化潜時前処理を保存する。 また、エンコーダとデコーダの特徴表現を整合させる構造的整合性エネルギーを導入し、事前訓練された潜在空間に対する知覚的品質と整合性を向上させる。 LD-GANは、様々な生成タスクにおける最先端のベースライン法よりも、サンプルの忠実度、知覚的鋭さ、多様性を著しく向上し、効率的なトレーニング力学を確実にすることを示した。

関連論文リスト

• Latent Diffusion Model without Variational Autoencoder [78.34722551463223]
  SVGは視覚生成のための変分オートエンコーダを持たない新しい潜伏拡散モデルである。 凍結したDINO機能を利用して、明確な意味的識別性を持つ特徴空間を構築する。 迅速な拡散訓練を可能にし、数ステップのサンプリングをサポートし、生成品質を向上させる。
  論文  参考訳（メタデータ） (2025-10-17T04:17:44Z)
• Diffusion-Augmented Contrastive Learning: A Noise-Robust Encoder for Biosignal Representations [0.4061135251278187]
  本稿では,拡散モデルと教師付きコントラスト学習の概念を融合した,拡散拡張コントラスト学習(DACL)を提案する。 Scattering Transformer(ST)機能に基づいてトレーニングされた軽量変分オートエンコーダ(VAE)によって作成された潜時空間で動作する。 U-Netスタイルのエンコーダは、教師付きコントラスト目標を用いて訓練され、様々な拡散時間ステップでクラス識別とノイズとの堅牢性のバランスをとる表現を学ぶ。
  論文  参考訳（メタデータ） (2025-09-24T12:15:35Z)
• DDAE++: Enhancing Diffusion Models Towards Unified Generative and Discriminative Learning [53.27049077100897]
  生成前訓練は差別的な表現をもたらし、統一された視覚生成と理解への道を開くことが示されている。 この研究は自己条件付けを導入し、ネットワークに固有のリッチなセマンティクスを内部的に活用し、独自のデコード層をガイドする。 提案手法は、FIDの生成と認識の精度を1%の計算オーバーヘッドで向上させ、多様な拡散アーキテクチャで一般化する。
  論文  参考訳（メタデータ） (2025-05-16T08:47:16Z)
• Enhancing Variational Autoencoders with Smooth Robust Latent Encoding [54.74721202894622]
  変分オートエンコーダ(VAE)は拡散に基づく生成モデルをスケールアップする上で重要な役割を果たしている。 Smooth Robust Latent VAEは、世代品質とロバスト性の両方を向上する、新しい対向トレーニングフレームワークである。 実験により、SRL-VAEは、Nightshade攻撃や画像編集攻撃に対して、画像再構成とテキスト誘導画像編集において、生成品質とロバスト性の両方を改善することが示された。
  論文  参考訳（メタデータ） (2025-04-24T03:17:57Z)
• Exploring Representation-Aligned Latent Space for Better Generation [86.45670422239317]
  生成性能を改善するために,セマンティックな事前情報を統合するReaLSを導入する。 本研究では、ReaLSでトレーニングされたDETとSiTが、FID測定値の15%改善を実現することを示す。 拡張されたセマンティック潜在空間は、セグメンテーションや深さ推定のようなより知覚的な下流タスクを可能にする。
  論文  参考訳（メタデータ） (2025-02-01T07:42:12Z)
• PiRD: Physics-informed Residual Diffusion for Flow Field Reconstruction [5.06136344261226]
  データ忠実度向上のためのCNNベースの手法は、トレーニング期間中の低忠実度データパターンと分布に依存している。 提案したモデルである物理インフォームド残差拡散(Residual Diffusion)は、標準の低忠実度入力からデータの品質を高める能力を示す。 実験結果から, 2次元乱流に対して, 再学習を必要とせず, 高品質な流れを効果的に再現できることが示唆された。
  論文  参考訳（メタデータ） (2024-04-12T11:45:51Z)
• Denoising Diffusion Autoencoders are Unified Self-supervised Learners [58.194184241363175]
  本稿では,拡散モデルにおけるネットワーク,すなわち拡散オートエンコーダ(DDAE)が,自己教師型学習者の統合であることを示す。 DDAEはすでに、補助エンコーダを使わずに、中間層内で線形分離可能な表現を強く学習している。 CIFAR-10 と Tiny-ImageNet の線形評価精度は95.9% と 50.0% である。
  論文  参考訳（メタデータ） (2023-03-17T04:20:47Z)

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。