KNOWLEDGE VAULT — TAG
タグ「拡散モデル」
収蔵 22件
2026-11-19
シミュレータの「不正確な自信」を暴く:Sim-to-Realにおける過信とバックボーン適応の非対称性
Unreasonable Confidence from Simulator Misspecification: Directional Robustness on the SPEED+ Sim-to-Real Benchmark
出典:Hugging Face Daily Papers(Upvotes: 1 | arXiv:2611.20321)
- シミュレータの放射計的誤差(鏡面反射や飽和の欠如)が、モデルに「誤った自信(Overconfidence)」を与える現象を特定。
- 単純なデータ拡張よりも、バックボーンの最終ステージを適応させる方が、Sim-to-Realのギャップを埋める上で圧倒的に効果的。
- 特定の照明条件(拡散光 vs 直射光)に対し、データ拡張の効果が「モデルが学習した方向」にのみ偏るという非対称性を解明。
2026-11-19
温度調整と自己学習を統合した高効率なニューラルサンプラー:SSSの構築
Amortizing Tempered Sampling with Corrected Self-Training
出典:arXiv stat.ML (Statistical ML)(Authors: Hoang-Viet Nguyen, Hai-Dang Dau, Alexandre H. Thiéry | 2026-11-17)
- 非正規化分布からのサンプリングコストを削減する、ニューラルサンプラーの学習手法の提案。
- 温度調整(Tempering)と重要度サンプリング(Importance Sampling)を組み合わせた「修正付き自己学習」により、高品質な学習データの獲得を克服。
- 複雑なエネルギー地形を持つ分布において、少ないエネルギー評価数で高精度なサンプリングを実現する。
2026-11-19
マルチモーダル・マスク拡散自己符号化器(ID-MAE)による運転者の認知状態推論
Multimodal Masked Diffusion Autoencoder for Modeling Impaired Driving
出典:arXiv cs.LG (Machine Learning)(Authors: John Gideon, Anshul Gupta, Megan Applegate-Kenton et al. | 2026-11-17)
- 運転者の認知状態(注意散漫、ストレス等)を、視線・軌道・映像のマルチモーダルデータから推論する自己教師あり学習モデル。
- マスク拡散オートエンコーダ(ID-MAE)を導入し、ラベル予測と同時に視線・軌道の再構成を学習させることで、精度を大幅に向上。
- 大規模な運転シミュレータデータ(DIVERT)において、視覚的・認知的要因の分離や軌道予測など多角的なタスクで高い汎用性を発揮。
2026-11-19
輸送距離・発散量に基づく不確実性耐性を持つロバストActor-Critic学習
Robust Actor-Critic Learning under Transport and Divergence Uncertainty
出典:arXiv stat.ML (Statistical ML)(Authors: Kunqi Huang, Lican Kang, Hongrui Shu et al. | 2026-11-17)
- 遷移ダイナミクスの不確実性と関数推定誤差を考慮した、連続状態・行動空間向けのロバストActor-Critic手法の提案。
- Wasserstein距離やKLダイバージェンス等の多様な不確実性セットを統合し、条件付き拡散モデルと指数加重スコアマッチングを組み合わせて安定性を向上。
- オフラインデータから学習を行う強化学習において、環境のノイズやモデルの不正確さが大きい動的制御問題で威力を発揮する。
2026-11-19
可変長・マルチモーダル生成を可能にする「Variable Length Diffuse Everything (VL-DE)」フレームワーク
Variable Length Diffuse Everything: Arbitrary Length Generative Modeling on Arbitrary State Spaces
出典:arXiv stat.ML (Statistical ML)(Authors: Kevin Rojas, Felix X. -F. Ye, Molei Tao | 2026-11-18)
- 任意の状態空間における可変長マルチモーダルデータの生成を可能にする「VL-DE」フレームワークの提案。
- パディングや特殊な長さ予測の導入を排除し、理論に基づいた「挿入(Insertion)メカニズム」で可変長を扱う。
- レイアウト生成(座標+属性)や分子構造生成など、連続値と離散値が混在する可変長データに極めて強力。
2026-11-18
手操作による動的ビデオ生成:LynnReal-Handによる高精度な手と物体の相互作用の統合
LynnReal-Hand: Unlocking World Interaction with Hand Control
出典:Hugging Face Daily Papers(Upvotes: 1 | arXiv:2611.21479)
- 手(Hand)の動きを直接入力として受け取り、ビデオ内の物体と動的な相互作用を生成するビデオ世界モデルの提案。
- 手と物体の複雑な動態を捉えるための「手認識型監督(Hand-aware supervision)」と「領域認識スコア蒸留(Region-aware score distillation)」を導入し、微細な動きと視覚的整合性を両立。
- 10万件の相互作用クリップを用いた学習により、リアルタイム性を維持しつつ、高精度な手追従性と視覚品質を両立したビデオ生成を実現。
2026-11-17
eDMD:最終出力分布への集中による拡散モデル蒸留の精度極大化
eDMD: Endpoint Distribution Matching for Few-Step Diffusion Distillation
出典:Hugging Face Daily Papers(Upvotes: 3 | arXiv:2611.17194)
- 拡散モデルを少ステップの生徒モデルへ蒸留する「分布一致蒸留(DMD)」の改良手法eDMDの提案。
- 中間状態ではなく「最終出力(Endpoint)」のみを基準に学習することで、中間分布によるノイズを排除し、正確な一致を保証。
- SD3やFLUX.2といった最新の高品質画像生成モデルにおいて、4ステップ生成時の精度を劇的に向上させる。
2026-11-17
蒸留モデルの多様性崩壊を打破する:中間層の活性化方向の再配分による多様性回復
Restoring Diversity in Distilled Image and Video Generators by Probing Activations
出典:Hugging Face Daily Papers(Upvotes: 0 | arXiv:2611.18550)
- 拡散モデルの蒸留(Few-step化)に伴う「生成結果の多様性欠如(Diversity Collapse)」の根本原因を特定。
- 活性化の総分散は維持されているが「方向」が集中していることを突き止め、ReDiverse(FT/TF)でこれを再配分。
- 画像および動画生成の蒸留において、生成品質を維持したまま、異なるシード間の差異を劇的に改善。
2026-11-17
汎用生成モデルによる3D幾何学の制覇:Iris-Zによる「特化型モデル」の超越
Iris-Z: Scaling One Generative Model Past Specialist Geometry Models
出典:Hugging Face Daily Papers(Upvotes: 2 | arXiv:2611.16010)
- 単一の生成バックボーンで画像生成と深度推定(幾何学理解)を同時に行う「Iris-Z」の発表。
- タスク特化型アーキテクチャを排除し、スケーリング則に基づいた汎用モデルでSOTAを上回る。
- 単眼深度推定、画像生成、深度に基づく画像再構成など、空間理解を伴う視覚タスクで威力を発揮。
2026-11-16
楕円関数を用いた最適補間スケジュールとZolotoflow:高条件数分布への超高速・高精度サンプリング
Elliptic Sampling: Optimal Interpolant Schedules for Gaussians and Beyond
出典:arXiv cs.LG (Machine Learning)(Authors: Cole Becker, Taylan Kargin, Kimia Hassibi et al. | 2026-11-13)
- 確率流ODEの解析的性質に基づき、Jacobi楕円関数を用いた新しい分散保存型(Variance-Preserving)補間スケジュールを提案。
- 従来の三角関数スケジュールに対し、ターゲット分布の条件数 $\kappa$ を明示的に組み込むことで、高条件数(細長い分布)への収束を劇的に改善。
- ガウス分布では minimax 最適性を達成し、対数凹分布では次元 $d$ に対して $\sqrt{d}$ の依存度でWasserstein誤差を抑えつつ高速なサンプリングを実現。
2026-11-16
MDLMのハルシネーションを抑制する「エントロピー・スパイク」検知と動的デコード戦略
Rethinking in Spikes: Mitigating Hallucinations in MDLMs with Step-Aware Decoding
出典:Hugging Face Daily Papers(Upvotes: 1 | arXiv:2611.12901)
- マルチモーダル拡散言語モデル(MDLM)における、特定のデノイジング工程で発生するハルシネーション(幻覚)の特定と抑制に関する研究。
- 離散トークンの確定による情報損失を防ぐため、エントロピー急増(スパイク)を検知した際に「潜在空間での連続的な洗練」へ動的に切り替えるStepRefineを提案。
- MDLMを用いたマルチモーダルな推論タスクにおいて、生成の信頼性と正確性を大幅に向上させる。
2026-11-15
Latent空間を脱却:PixVidによるピクセル空間への直接的なビデオ拡散モデルの昇華
Back to Pixels: Lifting Latent Video Diffusion into Pixel Space
出典:Hugging Face Daily Papers(Upvotes: 3 | arXiv:2611.17336)
- VAEの潜在空間(Latent Space)を介さず、ピクセル空間で直接ビデオを生成する「PixVid」の提案。
- 高解像度化に伴うトークン数の爆発や、複数フレームの依存による反応遅延を解消し、フレーム単位の制御性を向上。
- Wan2.1-14Bをベースとした微調整により、高速な動きにおける深度条件の整合性や、アクションへの即時反応を維持。
2026-11-09
Chimera Vocal Synth:高品質な歌声合成を実現する次世代音声生成技術
Chimera Vocal Synth
出典:Hacker News (Top Stories)(HN Score: 137 pts by nmstoker)
- Chimera Vocal Synthは、高度な音声合成技術を用いた歌声生成(Vocal Synthesis)のプロジェクトです。
- 従来の合成技術と比較し、より自然な発声や表現力豊かな歌唱を生成するための高度な推論・生成プロセスを統合しています。
- 特に、高品質な歌唱データや、感情表現を伴う音声生成のタスクにおいて強力な威力を発揮します。
2026-11-09
生成ビデオモデルにおける「因果関係」と「世界状態」の維持:EvoWorldによる動的進化の実現
EvoWorld: Towards Out-of-Sight World Evolution in Generative Video Models
出典:Hugging Face Daily Papers(Upvotes: 8 | arXiv:2611.06748)
- 生成ビデオモデルを単なる「画素のレンダリング」から「世界状態の推論」へと昇華させるEvoWorldの提案。
- 既存の拡散モデルが抱える「視覚的な妥当性は高いが、因果関係や状態の連続性が欠如する」という課題を克服。
- イベント条件付きの因果進化、反応の正確性、および再訪時の一貫性を評価するデータセットとベンチマークを導入。
2026-11-08
GeneOH Diffusion: 拡散モデルを用いた汎用的な手と物体の相互作用(HOI)のデノイジング
GeneOH Diffusion: Towards Generalizable Hand-Object Interaction Denoising via Denoising Diffusion
出典:arXiv Core: Random Matrix Theory & Ising Spin Glass(Authors: Xueyi Liu, Li Yi | 2024-02-22)
- 誤った手と物体の相互作用(HOI)シーケンスから、不自然な手のポーズや関係性を除去し、知覚的にリアルな軌跡を復元する手法を提案。
- 接触中心の新しいHOI表現「GeneOH」を導入することで、多様な相互作用シナリオに対するモデルの汎用性を向上。
- ノイズのパターンや未知の相互作用に対しても頑健に動作する、ドメイン汎用型のデノイジングスキームを構築。
2026-11-08
時系列予測における拡散モデルの台頭:包括的なサーベイ
The Rise of Diffusion Models in Time-Series Forecasting
出典:arXiv Core: Tabular, GBDT & Time-Series(Authors: Caspar Meijer, Lydia Y. Chen | 2024-01-05)
- 生成AI分野でSOTAを記録している拡散モデル(Diffusion Models)の時系列予測への適用を網羅的に調査。
- 11の具体的な時系列実装について、背後にある直感、理論、データセットへの有効性、および相互比較を分析。
- 拡散モデルの条件付け手法(Conditioning)の背景から、現在の技術到達点、将来の研究方向性までを体系的に提示。
2026-11-08
ファイバーワイズ最適輸送を用いたモデル認識型スケジュールによる生成精度の向上
Model-Aware Schedules Improve Generation via Fiberwise Optimal Transport
出典:arXiv Core: Conformal, Calibration & Optimal Transport(Authors: Luyi Jia, Boyan Zhang, Yilun Liu et al. | 2026-09-10)
- 拡散モデルやフローマッチングにおける信号・ノイズ係数のスケジュールを、モデルの予測誤差を考慮した「モデル認識型」へ拡張。
- 最適輸送(Optimal Transport)の概念を応用し、特定の時間と状態における信号・ノイズの分解を「ファイバー」として定義。
- 係数パスの運動エネルギー(Kinetic Action)とファイバー内での予測リスクを組み合わせることで、閉形式(Closed-form)での最適な時間配分を導出。
2026-11-08
拡散モデルの高速化と性能向上を実現するStepX-OPD:マルチティーチャーステップ蒸留の再考
StepX-OPD: Rethinking Multi-Teacher On-Policy Distillation in Diffusion Models
出典:Hugging Face Daily Papers(Upvotes: 4 | arXiv:2611.04386)
- 本論文は、拡散モデルの高速化と性能向上を両立させるStepX-OPDという新しい手法を提案しています。
- 従来のマルチティーチャーステップ蒸留では、能力統合とステップ蒸留が段階的に行われていましたが、StepX-OPDはこれらを統合し、学生モデルが能力獲得と高速サンプリングを同時に学習します。
- SD3.5-MediumおよびFLUX.1-devデータセットで評価され、既存手法を上回る性能と、訓練時間の短縮を実現しました。
2026-11-08
多様なText-to-3D生成のためのFlow Score Distillation
Flow Score Distillation for Diverse Text-to-3D Generation
出典:arXiv Core: LLM Quantization, Distillation & Test-Time Compute(Authors: Runjie Yan, Kailu Wu, Kaisheng Ma | 2024-05-16)
- Score Distillation Sampling (SDS) は高品質な3D資産を生成できるが、最大尤度を求める性質上、生成結果の多様性が制限される課題がある。
- DDIMの生成プロセス(PF-ODE)をSDS損失の類似表現として捉え直し、SDSを一般化されたDDIM生成プロセスとして再定義した。
- ノイズ付加段階におけるノイズサンプリング戦略が多様性を制限していることを特定し、新たなノイズサンプリング手法を用いた「Flow Score Distillation (FSD)」を提案した。
2026-11-08
Delta Denoising Score (DDS): テキストベースの画像編集のための新規スコアリング関数
Delta Denoising Score
出典:arXiv Core: Random Matrix Theory & Ising Spin Glass(Authors: Amir Hertz, Kfir Aberman, Daniel Cohen-Or | 2023-04-14)
- SDS(Score Distillation Sampling)を用いた画像編集において、ノイズの多い勾配により出力がぼやける問題を解決する。
- 入力画像と一致するプロンプトを特定し、それを用いた「Delta Denoising Score (DDS)」を導入することで、不要な勾配方向を排除する。
- 拡散モデルの生成事前分布を活用し、ターゲットプロンプトの内容へ最小限の修正で画像を誘導する。
2026-11-08
離散データのための制約のない単体デノイジング:グラフ生成への非マルコフ的アプローチ
Unrestrained Simplex Denoising for Discrete Data. A Non-Markovian Approach Applied to Graph Generation
出典:arXiv Core: Random Matrix Theory & Ising Spin Glass(Authors: Yoann Boget, Alexandros Kalousis | 2026-03-30)
- 離散状態空間で直接操作する従来の拡散モデルやFlow Matchingに対し、確率単体(Probability Simplex)上で動作するデノイジングフレームワークを提案。
- 異なる時刻のノイズ表現を条件付き独立とする「非マルコフ的ノイズスキーム」を導入することで、モデルの制約を緩和し、数式の簡略化と性能向上を両立。
- 合成データおよび実世界のグラフベンチマークにおいて、強力な離散拡散モデルやFlow Matchingのベースラインを上回る性能を実証。
2026-11-08
最適輸送の構造化正則化を用いた情報量の豊富なGAN
Informative GANs via Structured Regularization of Optimal Transport
出典:arXiv Core: Conformal, Calibration & Optimal Transport(Authors: Pierre Bréchet, Tao Wu, Thomas Möllenhoff et al. | 2019-12-04)
- GANにおける絡み合いのない(disentangled)表現学習を、正則化された最適輸送(OT)の観点から再定義。
- 輸送計画(transportation plan)に対する構造化正則化を導入し、特定の潜在空間が情報の抽出に寄与するように制約。
- 凸双対性を用いることで、情報の豊富な潜在次元においてスパース性を促す「摂動された基底コスト」としての等価な解釈を提示。
このページの要約は、収集パイプラインが自動生成した digest(要約)です。内容の正確なところは、必ず各項目の出典リンク先の原文で確認してください。出典の本文そのものは掲載していません。ジャンル分けも自動分類のため、周辺の話題が混ざることがあります。