拡散モデル

DiffGI は、衣服のような薄い殻状・非多様体の 3D 形状を、従来の体積表現ではなく表面中心の 2D ジオメトリ画像として扱う手法です。連続 2D TSDF と可微分 Marching Squares により、2D 潜在空間と 3D 表面損失を直接つなげます。

Token Time Continuous Diffusion（TTCD）は、連続空間で動作し、トークンごとに異なる生成時間を導入する拡散型言語モデルです。高速生成時の品質低下を抑え、条件付き生成での改善を狙います。

このサーベイは、離散拡散モデルを「離散状態空間をどう作るか」という観点から整理する。トークン化、語彙の構造、領域固有のアルファベットが、破壊過程から生成品質までを左右するという主張だ。

arXiv に投稿された論文は、自動運転向けの天候編集フレームワーク Cyclone を提案している。潜在拡散モデル、循環一貫性制約、画像テキストモデルの知識を組み合わせ、ペアデータなしで多様な天候変換を行う点が特徴だ。

arXiv の新論文は、重い裾を持つデータをランダムクロックで条件付けられたガウス混合として扱う HTFM を提案している。希少事象、ロングテール画像、気象場などをより自然に生成することを狙う手法だ。

TCAM-Diff は、高解像度 3D 医用画像を直接ボクセル空間で扱う代わりに、三平面表現へ圧縮して拡散モデルで生成する手法だ。事前学習済みデコーダにより、生成特徴を 3D ボリュームへ高速に戻す構成を取る。

新しいサーベイは、離散拡散モデルの本質をノイズ設計だけでなく、離散状態空間をどのように作るかに求めている。