안경 반사광 제거는 스마트폰 이미징, 화상 회의 및 기타 얼굴 중심 시각 애플리케이션 전반에서 중요합니다. 반사광은 가벼운 측광학적(photometric) 오염부터 심각한 안구 가림(occlusion)에 이르기까지 다양하여, 신원(identity)이나 자연스러운 외형을 훼손하지 않으면서 선택적 보정과 그럴듯한 복원을 요구하므로 이 과업은 매우 까다롭습니다. 기존 데이터셋은 제한적인 반사 조건만을 다루어 복잡한 실제 환경 장면으로의 일반화와 체계적인 평가에 한계가 있었습니다. 본 연구에서는 제어 가능한 10,280개의 합성 쌍, 732개의 실제 입력 의사 쌍(pseudo-pairs), 458개의 독립된 실제 환경 테스트 이미지로 구성된 다중 소스 벤치마크 OcuBench를 소개하여, 쌍을 이룬 평가와 생성된 감독 데이터를 넘어선 평가를 모두 지원합니다. 나아가 효율적이면서도 세부 정보를 보존하는 복원을 위해 안구 적응형 픽셀 MeanFlow(pMF) 프레임워크인 OcuFlow를 제안합니다. 이는 기하학적 적응형 표현과 1단계(one-step) pMF를 결합하여 반사로 가려진 안구 영역에 복원을 집중시키며, 고유 해상도(native-resolution) 주파수 보존 합성을 통해 관측된 신뢰할 수 있는 세부 정보를 유지합니다. 다양한 반사 조건에 걸친 실험을 통해 OcuFlow가 반사광 제거 품질, 안구 충실도, 효율성 측면에서 일관된 이점을 달성함을 입증합니다. 블라인드 사용자 선호도 조사에서 본 모델은 차상위 모델보다 6.2배 높은 67.32%의 선택을 받았습니다. 코드와 데이터셋은 모두 공개될 예정입니다.
증류(distillation)나 학습된 플로우 맵(flow map)을 통해 디퓨전의 다단계 궤적을 압축하는 최근의 단일 단계(one-step) 생성 모델 흐름은 고품질 이미지를 생성할 수 있는 변곡점에 도달했습니다. 본 논문에서는 이러한 발전에서 이어지는 자연스러운 질문을 던집니다. 생성이 단일 순전파(forward pass)로 압축될 때, 다단계 디퓨전의 노이즈 제거(denoising) 궤적에는 어떤 일이 일어날까요? 저자들은 '시간으로서의 깊이(depth as time)'라고 부르는 실증적 관찰을 제시합니다. 즉, 다단계 디퓨전이 샘플링 단계 전반에 걸쳐 수행하는 노이즈 제거 연산이 단일 순전파의 깊이에 걸쳐 펼쳐지는 것으로 보이며, 모델 자체의 출력 헤드로 중간 레이어를 디코딩함으로써 이를 복원할 수 있다는 점입니다. 가장 흥미롭게도, 이러한 깊이 방향(depthwise) 연산은 플로우 맵이 해결하도록 학습된 수송 작업(transport task)에 따라 달라진다는 것을 보여줍니다. 가장 놀라운 사례는 MeanFlow로, 더 짧은 수송 구간을 프로빙하면 단일 네트워크 평가 내에서 노이즈 제거와 노이즈 재추가(renoising)가 모두 일어남이 드러납니다. 대조적으로, drifting 모델과 같이 시간에 인덱싱된 수송 작업 없이 학습된 생성기는 동일한 깊이 방향 노이즈 제거를 보이지 않습니다. 결과적으로, 저자들은 깊이 방향 노이즈 제거 현상을 보이는 모델이 레이어별 연산 전반에서 더 압축 가능하다는 것을 보여줍니다. 즉, MeanFlow SiT-L/2 모델은 매개변수 면에서 16.6배 압축되어 단일 시간 조건부 블록으로 축소될 수 있습니다. 저자들은 이러한 노이즈 제거 후 재노이즈화(denoise-then-renoise) 동작에 대한 설명을 제공하며, 레이어별 연산을 명시적으로 플로우로 취급할 때 단일 시간 조건부 블록이 레이어 전반에 걸쳐 노이즈를 제거하도록 학습되어 MeanFlow SiT-L/2 모델의 매개변수를 16.6배 압축할 수 있음을 보여줍니다. 종합하면, 이러한 결과는 디퓨전의 시간적 연산이 단일 단계 생성에 의해 사라지는 것이 아니라 네트워크 깊이에 걸쳐 재구성됨을 시사합니다.
Music-to-dance generation aims to translate auditory signals into expressive human motion, with broad applications in virtual reality, choreography, and digital entertainment. Despite promising progress, the limited generation efficiency of existing methods leaves insufficient computational headroom for high-fidelity 3D rendering, thereby constraining the expressiveness of 3D characters during real-world applications. Thus, we propose FlowerDance, which not only generates refined motion with physical plausibility and artistic expressiveness, but also achieves significant generation efficiency on inference speed and memory utilization. Specifically, FlowerDance combines MeanFlow with Physical Consistency Constraints, which enables high-quality motion generation with only a few sampling steps. Moreover, FlowerDance leverages a simple but efficient model architecture with BiMamba-based backbone and Channel-Level Cross-Modal Fusion, which generates dance with efficient non-autoregressive manner. Meanwhile, FlowerDance supports motion editing, enabling users to interactively refine dance sequences. Extensive experiments on AIST++ and FineDance show that FlowerDance achieves state-of-the-art results in both motion quality and generation efficiency. Code will be released upon acceptance.