重み付き h-変換サンプリングによる粗いガイド付き視覚生成

本文: arXiv:2603.12057v1 アナウンス種別: 新規 要旨: 粗い参照から高品質サンプルを合成する粗いガイド付き視覚生成は、さまざまな実世界のアプリケーションに不可欠です。訓練ベースのアプローチは効果的ですが、高い訓練コストとペアデータ収集による一般化の制約により本質的な限界があります。したがって、近年の訓練不要の手法は、事前学習済み拡散モデルを活用し、サンプリング過程でガイダンスを組み込むことを提案します。しかし、これらの訓練不要手法は前方（ファイン→粗い）変換演算子を知っている必要がある場合があり、またはガイダンスと合成品質のバランスを取ることが難しいです。これらの課題に対応するため、望ましい条件下で確率過程を制約できる道具である h-変換を用いた新たなガイド付き手法を提案します。具体的には、元の微分方程式にドリフト関数を加えることで、各サンプリングタイムステップの遷移確率を変更し、理想的な高品質サンプルへと生成を近づけます。避けられない近似誤差に対処するため、ノイズレベルを考慮したスケジュールを導入し、誤差が増加するにつれてその項の重みを徐々に低下させ、ガイダンスの遵守と高品質な合成の両方を確保します。多様な画像および動画生成タスクにわたる広範な実験は、われわれの手法の有効性と一般化を示します。