論文の概要: Guidance Is a Field, Not a Scalar: Interval-Integrated Classifier-Free Guidance for One-Step Video Generation
- arxiv url: http://arxiv.org/abs/2611.07566v1
- Date: Thu, 05 Nov 2026 07:17:43 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-11-06 21:50:50.57943
- Title: Guidance Is a Field, Not a Scalar: Interval-Integrated Classifier-Free Guidance for One-Step Video Generation
- Title（参考訳）: Guidanceはフィールドであってスカラではない: ワンステップビデオ生成のためのインターバル付き分類器フリーガイダンス
- Abstract要約: MeanFlow上に構築されたワンステップジェネレータは、単一の機能評価でビデオを合成する。
我々はこれを区間積分CFGIDとして定式化し、コンパイルされたガイダンスがスケジュール分割誤差を伴わないことを証明した。
AGAVEは、VBench、UCF-101、MSR-VTTの1ステップベースラインをすべて越え、マルチステップガイドサンプリングをマッチングする。
- 参考スコア（独自算出の注目度）: 1.7093209626502481
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: One-step generators built on MeanFlow synthesize a video in a single function evaluation, yet inherit a rigid treatment of classifier-free guidance (CFG): the guidance scale is frozen during training or, at best, exposed as a single scalar. This conflicts with mounting evidence that the optimal guidance is not a constant but a field that varies with the noise level, with spatial content, and, for video, with frame position. Every existing remedy presupposes a multi-step sampler along which guidance can be re-scheduled--an assumption one-step models violate by construction. We resolve this tension through a single observation: because the MeanFlow target is an integral over a noise interval, an arbitrary guidance field can be absorbed into the target itself and compiled into one evaluation. We formalize this as the interval-integrated CFG identity, prove that the compiled guidance carries no schedule-discretization error and can thus match or exceed any finite multi-step sampler, and instantiate it as AGAVE, which equips the average-velocity field with a learnable temporal schedule, a free motion-saliency spatial modulation, and a frame-position asymmetry. Adding fewer than ten scalars at zero inference cost, AGAVE surpasses all one-step baselines on VBench, UCF-101 and MSR-VTT while matching multi-step guided sampling. Project repository: https://github.com/YMlinfeng/AGAVE.
- Abstract（参考訳）: MeanFlow上に構築されたワンステップジェネレータは、単一の機能評価でビデオを合成するが、分類器フリーガイダンス(CFG)の厳格な処理を継承する。
これは、最適誘導が定値ではなく、空間的内容と、フレーム位置で、ノイズレベルによって変化するフィールドであることを示す証拠と矛盾する。
既存のすべての治療法は、ガイダンスを再スケジュールできるマルチステップのサンプルを前提とします。
我々は,このテンションを1つの観測で解決する: 平均フロー目標が雑音区間上の積分であるため,任意の誘導場を目標自体に吸収し,一つの評価にまとめることができる。
我々はこれを区間積分CFG単位として定式化し、コンパイルしたガイダンスがスケジュール分割誤差を伴わず、したがって有限個の多段階サンプリング器と一致または超過できることを証明し、平均速度場に学習可能な時間スケジュール、自由な動きの空間変調、フレーム配置の非対称性を持たせるAGAVEとしてインスタンス化する。
推論コストゼロで10以下のスカラーを追加することで、AGAVEはVBench、UCF-101、MSR-VTTの1ステップベースラインをすべて越え、マルチステップガイドサンプリングをマッチングする。
プロジェクトリポジトリ:https://github.com/YMlinfeng/AGAVE.com
関連論文リスト
- I-SplineFlow: Learning Monotone Spline Stochastic Interpolant Schedulers for Few-Step Generation [37.87681167138286]
事前訓練された拡散と流れモデルによるわずかなステップ生成は、軽量な訓練によって加速することができる。
I-SplineFlowは、ほとんどの設定でベジエスケジューリングよりも数ステップのFIDを改善している。
論文 参考訳（メタデータ） (2026-08-23T13:01:46Z) - Difficulty-Calibrated Interpolation Paths for Conditional Flow Matching [0.0]
条件付きフローマッチングは、所定のノイズ・データ・パスの速度にネットワークを後退させて生成モデルを訓練する。
本研究では,条件付きフローマッチングの回帰困難度が経路に沿って系統的に変化することを示す。
本稿では,モデル自体からスケジュールを導出するDifficulty-Calibrated Flow Matchingを提案する。
論文 参考訳（メタデータ） (2026-08-21T16:42:52Z) - Closed-Form Spectral Regularization for Multi-Task Model Merging [96.82449201305234]
モデルマージは、個別に調整された複数の専門家をトレーニングデータなしで単一のマルチタスクモデルに結合する。
State-of-the-art merging method formulate merging as a layer-wise interference problem。
本稿では,逐次降下の勾配-流路に一致するソフト指数フィルタを組み合わせた閉形式手法SWUDIを提案する。
論文 参考訳（メタデータ） (2026-06-05T14:00:47Z) - AnyFlow: Any-Step Video Diffusion Model with On-Policy Flow Map Distillation [70.80207977907908]
フローマップをベースとした,最初のノンステップビデオ拡散蒸留フレームワークであるAnyFlowを紹介した。
我々は、AnyFlowがいくつかの段階において、パフォーマンスの一致を達成するか、一貫性ベースの結果を上回ることを示す。
論文 参考訳（メタデータ） (2026-05-13T16:06:34Z) - Posterior Augmented Flow Matching [64.1559809786948]
後拡張フローマッチング(PAFM)はフローマッチング(FM)の一般化である
PAFMは、異なるモデルスケールで最大3.4FID50KでFMよりも改善されていることを示す。
論文 参考訳（メタデータ） (2026-05-01T17:59:59Z) - KoopmanFlow: Spectrally Decoupled Generative Control Policy via Koopman Structural Bias [31.486395926173838]
Generative Control Policies(GCP)は、ロボット操作において大きな可能性を秘めているが、安定なグローバルモーションと高周波局所補正を同時にモデル化するのに苦労している。
クープマンに着想を得た構造的帰納バイアスによって導かれるパラメータ効率の良い生成ポリシーであるクープマンフローを紹介する。
論文 参考訳（メタデータ） (2026-03-14T06:23:07Z) - Riemannian MeanFlow for One-Step Generation on Manifolds [54.09734511705173]
フローマッチングは、生成モデルのシミュレーション不要なトレーニングを可能にする。
平均フローは、位置依存接空間に速度が存在する多様体値生成に拡張することができる。
球面, トーリ, SO(3)における実験は, 品質・効率のトレードオフを改善し, サンプリングコストを大幅に削減して, 競争力のある一段階サンプリングを実証した。
論文 参考訳（メタデータ） (2026-03-11T12:41:46Z) - Length-Aware Adversarial Training for Variable-Length Trajectories: Digital Twins for Mall Shopper Paths [4.841565047500658]
本研究では, 時間スタンプを伴って, 訪れた場所・項目の列を列挙した, エンフェバリアブルな長さ軌跡の生成モデルについて検討する。
軌道長が非常に均一な場合、標準のミニバッチトレーニングは不安定である。
本稿では,bf length-aware sample (LAS) を提案する。
論文 参考訳（メタデータ） (2026-01-04T20:52:07Z) - PAS: A Training-Free Stabilizer for Temporal Encoding in Video LLMs [57.790910044227935]
ビデオLLMは時間的不整合に悩まされ、フレームタイミングの小さなシフトは注意をそらすことができ、関連するフレームを抑えることができる。
本稿では, 位相アグリゲード平滑化(PAS)について述べる。これは, 頭部に小さな反対位相オフセットを適用して, 出力を集約する学習自由機構である。
解析の結果,RoPE回転ロジットは,時間核でスケールしたコンテントドット積として近似でき,このカーネルを滑らかにすることで,小さな時間シフトに対する注意のリプシッツ安定性が得られ,マルチフェーズ平均化は,Nyquist-valid サンプリング下での頭当たりスペクトルを保ちながら高周波リップルを減衰させることがわかった。
論文 参考訳（メタデータ） (2025-11-14T05:56:47Z) - MeanFlowSE: one-step generative speech enhancement via conditional mean flow [13.437825847370442]
MeanFlowSEは、軌道に沿った有限区間の平均速度を学習する条件付き生成モデルである。
VoiceBank-DEMANDでは、シングルステップモデルは多ステップベースラインよりも計算コストが大幅に低い強い知性、忠実性、知覚品質を実現する。
論文 参考訳（メタデータ） (2025-09-18T11:24:47Z) - Towards More Accurate Diffusion Model Acceleration with A Timestep Tuner [112.99126045081046]
数千のデノナイジングステップを用いて画像を生成するために定式化された拡散モデルは通常、遅い推論速度に悩まされる。
最小コストで特定の区間に対してより正確な積分方向を求めるのに役立つtextbftimestep tunerを提案する。
実験により,我々のプラグイン設計を効率的に訓練し,様々な最先端加速度法の推論性能を向上できることが示された。
論文 参考訳（メタデータ） (2023-10-14T02:19:07Z)
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。