論文の概要: Negative-prompt Inversion: Fast Image Inversion for Editing with Text-guided Diffusion Models

• arxiv url: http://arxiv.org/abs/2305.16807v1
• Date: Fri, 26 May 2023 10:41:08 GMT
• ステータス: 処理完了
• システム内更新日: 2023-05-29 15:41:27.250692
• Title: Negative-prompt Inversion: Fast Image Inversion for Editing with Text-guided Diffusion Models
• Title（参考訳）: 負のプロンプトインバージョン:テキスト誘導拡散モデルによる編集のための高速画像インバージョン
• Authors: Daiki Miyake, Akihiro Iohara, Yu Saito, Toshiyuki Tanaka
• Abstract要約: 本稿では,最適化を伴わない前方伝播のみで等価な再構成を実現する手法である負のプロンプト逆変換を提案する。 提案手法の再現性は既存手法に匹敵するものであり,512ピクセルの解像度でインバージョン可能であることを実験的に実証した。
• 参考スコア（独自算出の注目度）: 4.16199716515264
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: In image editing employing diffusion models, it is crucial to preserve the reconstruction quality of the original image while changing its style. Although existing methods ensure reconstruction quality through optimization, a drawback of these is the significant amount of time required for optimization. In this paper, we propose negative-prompt inversion, a method capable of achieving equivalent reconstruction solely through forward propagation without optimization, thereby enabling much faster editing processes. We experimentally demonstrate that the reconstruction quality of our method is comparable to that of existing methods, allowing for inversion at a resolution of 512 pixels and with 50 sampling steps within approximately 5 seconds, which is more than 30 times faster than null-text inversion. Reduction of the computation time by the proposed method further allows us to use a larger number of sampling steps in diffusion models to improve the reconstruction quality with a moderate increase in computation time.
• Abstract（参考訳）: 拡散モデルを用いた画像編集では、そのスタイルを変えながら元の画像の復元品質を維持することが重要である。 既存の手法は最適化による復元品質を保証するが、その欠点は最適化に必要なかなりの時間である。 本稿では,最適化せずに前進伝播のみで等価な再構成を実現し,より高速な編集プロセスを実現する方法である負のプロンプト逆変換を提案する。 提案手法の再現性は既存の手法に匹敵するもので、512ピクセルの解像度でインバージョンが可能で、約5秒で50個のサンプリングステップが可能であり、ヌルテキストのインバージョンよりも30倍以上高速である。 提案手法による計算時間の短縮により,より多くのサンプリングステップを拡散モデルに適用し,計算時間を適度に増やし,復元品質を向上させることが可能となった。

関連論文リスト

• Frequency-Guided Posterior Sampling for Diffusion-Based Image Restoration [32.50204554102937]
  本稿では,既存の拡散型修復法に対する簡単な修正を提案する。 本手法では,周波数領域における時間変化の少ない低域通過フィルタを提案する。 本稿では,その基礎となるデータ分布に基づいて,この周波数スケジュールの適応カリキュラムを開発する。
  論文  参考訳（メタデータ） (2024-11-22T18:31:02Z)
• Fast constrained sampling in pre-trained diffusion models [77.21486516041391]
  拡散モデルは、大規模な生成画像モデルの分野を支配してきた。 本研究では,大規模な事前学習拡散モデルにおける高速拘束サンプリングのアルゴリズムを提案する。
  論文  参考訳（メタデータ） (2024-10-24T14:52:38Z)
• ERDDCI: Exact Reversible Diffusion via Dual-Chain Inversion for High-Quality Image Editing [20.46262679357339]
  拡散モデル(DM)は実画像編集に成功している。 近年のDMは、しばしば局所線形化の仮定に依存している。 ERDDCIは、新しいDual-Chain Inversion (DCI) を用いて関節推論を行い、正確な可逆拡散過程を導出する。
  論文  参考訳（メタデータ） (2024-10-18T07:52:03Z)
• Effective Diffusion Transformer Architecture for Image Super-Resolution [63.254644431016345]
  画像超解像のための効果的な拡散変換器(DiT-SR)を設計する。 実際には、DiT-SRは全体のU字型アーキテクチャを活用し、すべての変圧器ブロックに対して均一な等方性設計を採用する。 我々は、広く使われているAdaLNの制限を分析し、周波数適応型時間-ステップ条件付けモジュールを提案する。
  論文  参考訳（メタデータ） (2024-09-29T07:14:16Z)
• ReNoise: Real Image Inversion Through Iterative Noising [62.96073631599749]
  本研究では,操作数を増やすことなく,高い品質と操作率の逆転法を導入し,再現精度を向上する。 我々は,近年の高速化拡散モデルを含む様々なサンプリングアルゴリズムとモデルを用いて,Renoise手法の性能を評価する。
  論文  参考訳（メタデータ） (2024-03-21T17:52:08Z)
• LASPA: Latent Spatial Alignment for Fast Training-free Single Image Editing [43.20273464866661]
  拡散モデルを用いた実画像のテキスト編集のためのトレーニング不要な手法を提案する。 参照画像を用いて拡散過程が空間的誘導にどう影響するかを実証し,意味的コヒーレントな編集に繋がることを示す。 提案手法は,ユーザスタディにおいて62-71%の選好を達成し,モデルベース編集強度と画像保存スコアを大幅に改善する。
  論文  参考訳（メタデータ） (2024-03-19T09:47:08Z)
• Efficient Diffusion Model for Image Restoration by Residual Shifting [63.02725947015132]
  本研究では,画像復元のための新しい,効率的な拡散モデルを提案する。 提案手法は,推論中の後処理の高速化を回避し,関連する性能劣化を回避する。 提案手法は,3つの古典的IRタスクにおける現在の最先端手法よりも優れた,あるいは同等の性能を実現する。
  論文  参考訳（メタデータ） (2024-03-12T05:06:07Z)
• AdaDiff: Adaptive Step Selection for Fast Diffusion Models [82.78899138400435]
  我々は、インスタンス固有のステップ利用ポリシーを学ぶために設計された軽量フレームワークであるAdaDiffを紹介します。 AdaDiffはポリシーメソッドを使用して最適化され、慎重に設計された報酬関数を最大化する。 我々は3つの画像生成と2つのビデオ生成ベンチマークの実験を行い、本手法がベースラインと同じような視覚的品質を実現することを示す。
  論文  参考訳（メタデータ） (2023-11-24T11:20:38Z)
• Effective Real Image Editing with Accelerated Iterative Diffusion Inversion [6.335245465042035]
  現代の生成モデルで自然画像を編集し、操作することは依然として困難である。 逆安定性の問題に対処した既存のアプローチは、しばしば計算効率において大きなトレードオフをもたらす。 本稿では,空間および時間的複雑さの最小限のオーバーヘッドで再構成精度を大幅に向上させる,AIDIと呼ばれる高速化反復拡散インバージョン法を提案する。
  論文  参考訳（メタデータ） (2023-09-10T01:23:05Z)
• ResShift: Efficient Diffusion Model for Image Super-resolution by Residual Shifting [70.83632337581034]
  拡散に基づく画像超解像法(SR)は主に低推論速度によって制限される。 本稿では,SRの拡散段数を大幅に削減する新しい,効率的な拡散モデルを提案する。 本手法は,残差をシフトすることで高分解能画像と低分解能画像の間を移動させるマルコフ連鎖を構成する。
  論文  参考訳（メタデータ） (2023-07-23T15:10:02Z)

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。