論文の概要: Training-Free Location-Aware Text-to-Image Synthesis
- arxiv url: http://arxiv.org/abs/2304.13427v1
- Date: Wed, 26 Apr 2023 10:25:15 GMT
- ステータス: 処理完了
- システム内更新日: 2023-04-27 14:39:48.551359
- Title: Training-Free Location-Aware Text-to-Image Synthesis
- Title（参考訳）: 学習不要位置対応テキスト・画像合成
- Authors: Jiafeng Mao, Xueting Wang
- Abstract要約: 安定拡散モデルの生成機構を解析し,新しい対話型生成パラダイムを提案する。
本手法は,制御能力と画質の両面において最先端の手法より優れる。
- 参考スコア（独自算出の注目度）: 8.503001932363704
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Current large-scale generative models have impressive efficiency in
generating high-quality images based on text prompts. However, they lack the
ability to precisely control the size and position of objects in the generated
image. In this study, we analyze the generative mechanism of the stable
diffusion model and propose a new interactive generation paradigm that allows
users to specify the position of generated objects without additional training.
Moreover, we propose an object detection-based evaluation metric to assess the
control capability of location aware generation task. Our experimental results
show that our method outperforms state-of-the-art methods on both control
capacity and image quality.
- Abstract（参考訳）: 現在の大規模生成モデルでは、テキストプロンプトに基づいて高品質な画像を生成するのに素晴らしい効率がある。
しかし、生成された画像内のオブジェクトのサイズと位置を正確に制御する能力は欠如している。
本研究では,安定拡散モデルの生成機構を分析し,新たな対話型生成パラダイムを提案する。
さらに,位置認識生成タスクの制御能力を評価するためのオブジェクト検出に基づく評価指標を提案する。
実験の結果,本手法は制御能力と画質の両方において最先端の手法よりも優れていることがわかった。
関連論文リスト
- Add-it: Training-Free Object Insertion in Images With Pretrained Diffusion Models [78.90023746996302]
Add-itは、拡散モデルの注意メカニズムを拡張して、3つの主要なソースからの情報を組み込む、トレーニング不要のアプローチである。
我々の重み付き拡張アテンション機構は、自然物の位置を確実にしながら、構造的一貫性と細部を維持できる。
人間の評価によると、Add-itは80%以上のケースで好まれる。
論文 参考訳（メタデータ） (2024-11-11T18:50:09Z) - Generate Anything Anywhere in Any Scene [25.75076439397536]
パーソナライズされたオブジェクト生成のための制御可能なテキスト・画像拡散モデルを提案する。
本手法は,芸術,エンターテイメント,広告デザインなど,様々な応用の可能性を示すものである。
論文 参考訳（メタデータ） (2023-06-29T17:55:14Z) - Localized Text-to-Image Generation for Free via Cross Attention Control [154.06530917754515]
提案手法は, 推論中のクロスアテンションマップを簡易に制御することで, 局所的な生成が可能であることを示す。
提案するクロスアテンション制御(CAC)は,標準のテキスト・ツー・イメージモデルに対して,新たなオープン語彙のローカライズ機能を提供する。
論文 参考訳（メタデータ） (2023-06-26T12:15:06Z) - Taming Encoder for Zero Fine-tuning Image Customization with
Text-to-Image Diffusion Models [55.04969603431266]
本稿では,ユーザが指定したカスタマイズされたオブジェクトの画像を生成する手法を提案する。
この手法は、従来のアプローチで要求される長大な最適化をバイパスする一般的なフレームワークに基づいている。
提案手法は, 出力品質, 外観の多様性, 被写体忠実度を考慮した画像合成が可能であることを示す。
論文 参考訳（メタデータ） (2023-04-05T17:59:32Z) - On the Robustness of Quality Measures for GANs [136.18799984346248]
本研究は、インセプションスコア(IS)やFr'echet Inception Distance(FID)のような生成モデルの品質測定の堅牢性を評価する。
このような測度は、加算画素摂動によっても操作可能であることを示す。
論文 参考訳（メタデータ） (2022-01-31T06:43:09Z) - Instance Localization for Self-supervised Detection Pretraining [68.24102560821623]
インスタンスローカリゼーションと呼ばれる,新たな自己監視型プリテキストタスクを提案する。
境界ボックスを事前学習に組み込むことで、より優れたタスクアライメントとアーキテクチャアライメントが促進されることを示す。
実験結果から, オブジェクト検出のための最先端の転送学習結果が得られた。
論文 参考訳（メタデータ） (2021-02-16T17:58:57Z) - Style Intervention: How to Achieve Spatial Disentanglement with
Style-based Generators? [100.60938767993088]
任意の入力画像に適応し、フレキシブルな目的の下で自然な翻訳効果をレンダリングできる軽量な最適化アルゴリズムを提案する。
フォトリアリズムと一貫性の両方を必要とする高解像度画像の顔属性編集において,提案するフレームワークの性能を検証する。
論文 参考訳（メタデータ） (2020-11-19T07:37:31Z) - Controlling generative models with continuous factors of variations [1.7188280334580197]
生成モデルの潜在空間において有意な方向を求める新しい手法を提案する。
提案手法は人間のアノテーションを必要とせず,生成した画像の単純な変換をコードする方向探索に適している。
論文 参考訳（メタデータ） (2020-01-28T10:04:04Z)
関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。
指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。