DeFloMat：フローマッチングによる高速かつ高精度な物体検出
分析
本論文は、DeFloMatという新しい物体検出フレームワークを紹介し、拡散モデルベースの検出器の速度と効率を大幅に向上させている。特に、医療画像処理などの時間制約のあるアプリケーションに有効である。Conditional Flow Matching (CFM) を活用し、Rectified Flowを近似することで、拡散モデルの遅延問題を解決し、決定論的なアプローチによる高速な推論を可能にしている。結果は、既存の手法と比較して優れた精度と安定性を示しており、特に少数のステップで高い性能を発揮する。これは、この分野への貴重な貢献である。
重要ポイント
参照
“DeFloMatは、わずか3回の推論ステップで最先端の精度（$43.32\% ext{ } AP_{10:50}$）を達成し、DiffusionDetの最大収束性能（4ステップで$31.03\% ext{ } AP_{10:50}$）を1.4倍上回る性能向上を示した。”