Tag
5 件の関連記事
Chong Wang氏らは9月29日(現地時間)、画像生成技術「Pixel-space Diffusion Transformers (DiTs)」の効率と品質を向上させる新手法「Persistence Forcing (PerF)」に関する研究論文をarXiv cs.CVで公開しました。この手法は、DiTsの隠れ表現をグローバルな「永続的特徴」と局所的な「活動的特徴」に分類し、それぞれの相互作用を通じて画像生成の安定性と詳細表現の向上を図るものです。
AcFlowは2026年9月9日(現地時間)、テキストから画像への拡散トランスフォーマー（DiTs）における生成プロセスを精密に制御する新たな推論時手法を発表しました。このコントローラーは、既存のDiTモデルを凍結したまま、中間層の画像トークン活性化を、学習された概念条件付き速度場を通じて操作することで機能します。これにより、生成される画像のスタイル強度を調整したり、特定の不要な概念を抑制したりすることが可能となり、従来の直接的なプロンプトによる制御が抱えていた限界に対応します。
Apple ML Researchは2026年8月4日(現地時間)、画像生成に用いられる拡散トランスフォーマー（DiTs）における外れ値トークンの問題とその制御に関する研究成果を発表した。先行研究ではVision Transformers（ViTs）が少数の高ノルムトークンを生成し、不釣り合いな注意を引きながら限定的な局所情報しか持たないことが示されていたが、生成モデルでの役割は不明瞭だった。本研究は、この現象がRepresentation Autoencoder (RAE)-DiTパイプラインのエンコーダーとデノイザーの両方で発生することを示している。
arXivは7月16日(現地時間)、Jiacheng Liu氏とJason Liu氏らが、高解像度動画拡散モデルのメモリ効率を大幅に改善する新手法「MegaSlide-DiT」を発表しました。この手法は、単一のH200 GPUと1.5TBのホストRAMを用いて、1050億パラメータを持つDiffusion Transformer (DiT) の適応を実証しています。これにより、既存の大規模生成モデルが直面するメモリ制約を克服する道筋が示されました。
arXiv cs.CV は7月21日(現地時間)、ジェネレーティブ画像生成における領域制御に新たな手法を導入する論文を公開した。この論文によると、Diffusion Transformers (DiTs) に「appearance pointers」と呼ばれる機能を導入することで、テキストプロンプトのみでは困難だったマテリアルやオブジェクトの識別、空間配置といった要素の正確な領域制御が可能になる。これにより、クリエイティブ分野の専門家が求める高精度な領域制御の課題解決を目指す。