論文の概要: Learning Anisotropic Prediction Targets for Flow Models
- arxiv url: http://arxiv.org/abs/2611.17767v1
- Date: Fri, 13 Nov 2026 05:25:40 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-11-16 18:43:16.31033
- Title: Learning Anisotropic Prediction Targets for Flow Models
- Title(参考訳): 流れモデルのための学習異方性予測ターゲット
- Abstract要約: Anisotropic Flow Models (AnisoFlow)を導入し、予測対象を完全に学習可能なモデルに置き換える。
AnisoFlowは、ターゲットのノイズ成分を異方性的にスケーリングすることを学び、個別の非負の重みを各方向に共同で学習する。
理論的に予測誤差を解析し、各方向の優先ノイズ重みがデータ分散とほぼ直線的に大きくなることを予測する。
- 参考スコア(独自算出の注目度): 36.36282289621146
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Flow-based generative models are trained on a hand-chosen prediction target, such as the velocity, the noise, or the clean data. This choice strongly affects training and sample quality. We introduce Anisotropic Flow Models (AnisoFlow), which replaces a fixed prediction target with a fully learnable one. AnisoFlow learns to scale the noise component of the target anisotropically, assigning a separate nonnegative weight to each direction in a jointly learned basis. A closed-form map recovers the velocity from the network's prediction, leaving the architecture, flow-matching loss, and sampler unchanged. Since recovery is exact, training optimizes the target purely to make it easier for the network to predict. We theoretically analyze the resulting prediction error and predict that the preferred noise weight in each direction scales near-linearly with data variance, in agreement with the weights learned empirically in pixel space. AnisoFlow improves FID from 1.90 to 1.55 over the JiT baseline on ImageNet 256$\times$256, by learning only the prediction target, without representation alignment or architectural changes. In pixel-space text-to-image generation, AnisoFlow improves image quality and, through better-conditioned velocity recovery, largely removes patch-seam artifacts under reduced-precision inference.
- Abstract(参考訳): フローベースの生成モデルは、速度、ノイズ、クリーンデータなど、手振り予測ターゲットに基づいてトレーニングされる。
この選択は、トレーニングとサンプルの品質に強く影響します。
Anisotropic Flow Models (AnisoFlow)を導入し、予測対象を完全に学習可能なモデルに置き換える。
AnisoFlowは、ターゲットのノイズ成分を異方性的にスケーリングすることを学び、個別の非負の重みを各方向に共同で学習する。
クローズドフォームマップは、ネットワークの予測から速度を回復し、アーキテクチャ、フローマッチング損失、サンプリングをそのまま残す。
回復が正確であるため、トレーニングはターゲットを純粋に最適化し、ネットワークの予測を容易にする。
理論的には,得られた予測誤差を理論的に解析し,各方向の所望の雑音重みが,画素空間で経験的に学習された重みに応じてほぼ直線的に大きくなることを予測する。
AnisoFlow は ImageNet 256$\times$256 の JiT ベースライン上で FID を 1.90 から 1.55 に改善する。
ピクセル空間のテキスト・ツー・イメージ生成では、AnisoFlowは画質を改善し、ベロシティ・リカバリの改善によって、縮小精度の推論の下で、パッチ・シームのアーティファクトをほとんど取り除く。
関連論文リスト
- CorrFlow: Self-Correcting Flow Matching [18.62772663737073]
CorrFlowは、軽量な精錬機を通じて情報を再利用する自己修正フローマッチングフレームワークである。
精製機は、ベースモデルのクリーンな予測、条件付け、ノイズレベル、隠蔽状態から残差補正を予測することを学習する。
クラス条件の画像生成、テキスト・ツー・ビデオ生成、画像・ビデオ生成の実験は、一貫した改善を示す。
論文 参考訳(メタデータ) (2026-10-17T15:35:25Z) - A Frozen Pixel-Space Diffusion Model Can Guide Itself with Its Own Samples [53.8898272536272]
画素空間拡散モデルは、生のピクセル上でエンドツーエンドのジェネレータを直接学習することを目的としている。
最近の研究は、代替の予測ターゲット、訓練目標、アーキテクチャによるピクセル拡散を改善している。
我々は、より安価で相補的な戦略があることを示します。textbfaフリーズ、事前訓練されたピクセル拡散モデルは、自身をガイドすることができます。
論文 参考訳(メタデータ) (2026-07-31T07:52:08Z) - Self-Consistent Flow: Unifying Velocity and Endpoint Prediction for Rectified Flow Models [7.517070288522858]
修正フローベースの生成モデルでは、ニューラルネットワークは、即時速度やデータエンドポイントなどの2つの異なるターゲットを予測するようにトレーニングすることができる。
データ終端予測にはトレーニングを安定させる明確な訓練信号があるのに対し、速度予測はデータ多様体近傍で安定したサンプリングダイナミクスを維持することを示す。
これらの知見により,両パラメータの利点を統一する新たな手法である自己持続フロー(SC-Flow)を提案する。
論文 参考訳(メタデータ) (2026-07-13T21:31:45Z) - Asymmetric Flow Models [35.8386911591457]
本稿では,データ予測を全次元に保ちながら低ランク部分空間に雑音予測を制限したランク非対称な速度パラメータ化を提案する。
AsymFlowは、ネットワークアーキテクチャやトレーニング/サンプリング手順を変更することなく、全次元の速度を解析的に回復する。
FLUX.2 klein 9B から微調整された画素 AsymFlow モデルにより,画素空間のテキスト・画像生成技術が新たに確立されたことを示す。
論文 参考訳(メタデータ) (2026-05-13T03:58:01Z) - Uncertainty-Guided Edge Learning for Deep Image Regression in Remote Sensing [25.426932126940432]
リモートセンシング衛星上での深部画像回帰の文脈におけるエッジ学習について検討する。
UGELの基盤となるのは、深いベータ回帰に基づく予測の不確実性の計算である。
その結果,UGELは,能動的あるいは半教師付き学習よりも高速に収束するエッジ学習を実現することがわかった。
論文 参考訳(メタデータ) (2026-05-07T02:17:17Z) - Model Inversion Attacks Through Target-Specific Conditional Diffusion Models [54.69008212790426]
モデル反転攻撃(MIA)は、ターゲット分類器のトレーニングセットからプライベートイメージを再構築することを目的としており、それによってAIアプリケーションにおけるプライバシー上の懸念が高まる。
従来のGANベースのMIAは、GANの固有の欠陥と潜伏空間における最適化の偏りにより、劣った遺伝子的忠実度に悩まされる傾向にある。
これらの問題を緩和するために拡散モデル反転(Diff-MI)攻撃を提案する。
論文 参考訳(メタデータ) (2024-07-16T06:38:49Z) - Rethinking Optical Flow from Geometric Matching Consistent Perspective [38.014569953980754]
本稿では,従来の光流量推定法について再考する。
我々は,より優れた特徴表現を持つ光フロー推定(MatchFlow)のための事前学習タスクとして,GIMを使用している。
Sintel クリーンパスと KITTI テストセットの GMA から 11.5% と 10.1% の誤差削減を実現した。
論文 参考訳(メタデータ) (2023-03-15T06:00:38Z) - DeFlow: Learning Complex Image Degradations from Unpaired Data with
Conditional Flows [145.83812019515818]
本論文では,不対データから画像劣化を学習するDeFlowを提案する。
共有フローデコーダネットワークの潜在空間における劣化過程をモデル化する。
共同画像復元と超解像におけるDeFlowの定式化を検証した。
論文 参考訳(メタデータ) (2021-01-14T18:58:01Z) - An Empirical Study of the Collapsing Problem in Semi-Supervised 2D Human
Pose Estimation [80.02124918255059]
半教師付き学習は、ラベルなし画像の探索によってモデルの精度を高めることを目的としている。
私たちは相互に教え合うために2つのネットワークを学びます。
各ネットワーク内の容易なイメージに関するより信頼性の高い予測は、他のネットワークに対応するハードイメージについて学ぶように教えるために使用される。
論文 参考訳(メタデータ) (2020-11-25T03:29:52Z) - Learning to Learn Parameterized Classification Networks for Scalable
Input Images [76.44375136492827]
畳み込みニューラルネットワーク(CNN)は、入力解像度の変化に関して予測可能な認識動作を持たない。
我々はメタラーナーを用いて、様々な入力スケールのメインネットワークの畳み込み重みを生成する。
さらに、異なる入力解像度に基づいて、モデル予測よりもフライでの知識蒸留を利用する。
論文 参考訳(メタデータ) (2020-07-13T04:27:25Z)
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。