Fugu-MT 論文翻訳(概要): EdiText: Controllable Coarse-to-Fine Text Editing with Diffusion Language Models

論文の概要: EdiText: Controllable Coarse-to-Fine Text Editing with Diffusion Language Models

arxiv url: http://arxiv.org/abs/2502.19765v1
Date: Thu, 27 Feb 2025 05:04:33 GMT
ステータス: 翻訳完了
システム内更新日: 2025-02-28 15:15:46.764617
Title: EdiText: Controllable Coarse-to-Fine Text Editing with Diffusion Language Models
Title（参考訳）: EdiText:拡散言語モデルを用いた制御可能な粗～偽テキスト編集
Authors: Che Hyun Lee, Heeseung Kim, Jiheum Yeom, Sungroh Yoon,
Abstract要約: EdiTextは、制御可能なテキスト編集方法であり、様々なスケールで参照テキストを所望の属性に修正する。テキスト編集の程度を広範囲に調整できるSDEditベースの編集技術を統合する。本稿では,参照テキストの微妙な制御を可能にする自己条件付けに基づく,新たな微細な編集手法を提案する。
参考スコア（独自算出の注目度）: 39.208548036260154
License: http://creativecommons.org/licenses/by/4.0/
Abstract: We propose EdiText, a controllable text editing method that modify the reference text to desired attributes at various scales. We integrate an SDEdit-based editing technique that allows for broad adjustments in the degree of text editing. Additionally, we introduce a novel fine-level editing method based on self-conditioning, which allows subtle control of reference text. While being capable of editing on its own, this fine-grained method, integrated with the SDEdit approach, enables EdiText to make precise adjustments within the desired range. EdiText demonstrates its controllability to robustly adjust reference text at broad range of levels across various tasks, including toxicity control and sentiment control.
Abstract（参考訳）: 提案するEdiTextは,参照テキストを所望の属性に様々なスケールで変更する,制御可能なテキスト編集手法である。テキスト編集の程度を広範囲に調整できるSDEditベースの編集技術を統合する。さらに,本研究では,参照テキストの微妙な制御が可能な,自己条件に基づく新たな微調整手法を提案する。独自の編集が可能な一方で、SDEditアプローチと統合されたこの細粒度メソッドにより、EdiTextは所望の範囲内で正確な調整を行うことができる。 EdiTextは、毒性制御や感情制御など、さまざまなタスクの幅広いレベルにおいて、参照テキストを堅牢に調整できることを実証している。

関連論文リスト

Kontinuous Kontext: Continuous Strength Control for Instruction-based Image Editing [76.44219733285898]
Kontinuous Kontext は命令駆動の編集モデルであり、編集強度を制御できる新しい次元を提供する。軽量プロジェクタネットワークは、入力スカラーと編集命令をモデルの変調空間の係数にマッピングする。本モデルのトレーニングには,既存の生成モデルを用いて,画像編集・指導・強化四重項の多種多様なデータセットを合成する。
論文参考訳（メタデータ） (2025-10-09T17:51:03Z)
SAEdit: Token-level control for continuous image editing via Sparse AutoEncoder [52.754326452329956]
本稿では,テキスト埋め込みのトークンレベルの操作を通じて,アンタングルと連続的な編集を行う手法を提案する。編集は、対象属性の強度を制御する、慎重に選択された方向に沿って埋め込みを操作することで行われる。本手法は,拡散過程を変更せずにテキスト埋め込みを直接操作し,画像のバックボーンに広く適用可能な,非依存なモデルとする。
論文参考訳（メタデータ） (2025-10-06T17:51:04Z)
TDEdit: A Unified Diffusion Framework for Text-Drag Guided Image Manipulation [51.72432192816058]
共同ドラッグテキスト画像編集のための拡散型統合フレームワークを提案する。本フレームワークでは,(1)3次元特徴マッピングによる遅延空間レイアウト制御を向上するポイント・クラウド決定性ドラッグ,(2)ドラッグ・テキスト・ガイド・デノナイズ(Drag-Text Guided Denoising),(2)デノナイズ中のドラッグとテキスト条件の影響を動的にバランスするDrag-Text Guided Denoisingを導入している。
論文参考訳（メタデータ） (2025-09-26T05:39:03Z)
O-DisCo-Edit: Object Distortion Control for Unified Realistic Video Editing [88.93410369258203]
O-DisCo-Editは、新しいオブジェクト歪み制御(O-DisCo)を組み込んだ統合フレームワークであるこの信号はランダムノイズと適応ノイズに基づいて、単一の表現内に幅広い編集キューを柔軟にカプセル化する。 O-DisCo-Editは、効果的なトレーニングパラダイムによる効率的な高忠実な編集を可能にする。
論文参考訳（メタデータ） (2025-09-01T16:29:39Z)
CannyEdit: Selective Canny Control and Dual-Prompt Guidance for Training-Free Image Editing [10.535939265557895]
CannyEditは、地域画像編集のための新しいトレーニング不要のフレームワークである。 Canny ControlNetから未編集領域のみに構造的なガイダンスを適用し、元のイメージの詳細を保存する。 CannyEditは例外的な柔軟性を提供しており、粗いマスクや、追加タスクのシングルポイントヒントで効果的に動作する。
論文参考訳（メタデータ） (2025-08-09T11:06:58Z)
Bridging the Editing Gap in LLMs: FineEdit for Precise and Targeted Text Modifications [9.795246551841586]
大規模言語モデル(LLM)は自然言語処理に変化をもたらしたが、直接テキスト編集タスクに苦戦している。本研究では,LLM編集性能を向上させるための2つのアプローチを提案する。まず、20,000以上の構造化編集タスクからなる高品質なベンチマークデータセットであるInstrEditBenchを紹介する。第2に、このキュレートされたベンチマークで訓練された特殊なモデルであるFineEditを提案する。
論文参考訳（メタデータ） (2025-02-19T01:41:44Z)
Re-Attentional Controllable Video Diffusion Editing [48.052781838711994]
本稿では,Re-Attentional Controllable Video Diffusion Editing (ReAtCo)法を提案する。対象物体の空間配置と編集されたテキストプロンプトを無訓練で整合させるために,再注意拡散(RAD)を提案する。 RADは、編集されたテキストプロンプトとデノナイジング段階のターゲットビデオとの間の相互注意活性化反応を再焦点化し、空間的に位置整列し、意味的に高忠実に操作されたビデオを生成する。
論文参考訳（メタデータ） (2024-12-16T12:32:21Z)
TextMaster: A Unified Framework for Realistic Text Editing via Glyph-Style Dual-Control [5.645654441900668]
様々なシナリオや画像領域のテキストを正確に編集できるソリューションであるTextMasterを提案する。本手法は,高解像度標準グリフ情報を組み込むことにより,テキストレンダリングの精度と忠実度を向上させる。また,入力テキストに対して制御可能なスタイル転送を可能にする新しいスタイルインジェクション手法を提案する。
論文参考訳（メタデータ） (2024-10-13T15:39:39Z)
TIP-Editor: An Accurate 3D Editor Following Both Text-Prompts And Image-Prompts [119.84478647745658]
TIPEditorは、テキストと画像プロンプトの両方を受け入れる3Dシーン編集フレームワークであり、編集領域を指定するための3Dバウンディングボックスである。 TIP-Editorはテキストと画像のプロンプトに従って、指定されたバウンディングボックス領域で正確な編集を行うことを示した。
論文参考訳（メタデータ） (2024-01-26T12:57:05Z)
Optimisation-Based Multi-Modal Semantic Image Editing [58.496064583110694]
本稿では,複数の編集命令型に対応するために,推論時編集の最適化を提案する。各損失関数の影響を調整することで、ユーザの好みに合わせてフレキシブルな編集ソリューションを構築することができる。本手法は,テキスト,ポーズ,スクリブルといった編集条件を用いて評価し,複雑な編集を行う能力を強調した。
論文参考訳（メタデータ） (2023-11-28T15:31:11Z)
XATU: A Fine-grained Instruction-based Benchmark for Explainable Text Updates [7.660511135287692]
本稿では,微粒な命令ベースの説明可能なテキスト編集用に設計された最初のベンチマークであるXATUを紹介する。 XATUは、語彙、構文、意味論、知識集約的な編集といった難易度の細かいテキスト編集タスクについて検討している。各種編集タスクにおける命令チューニングの有効性と基礎となるアーキテクチャの影響を実証する。
論文参考訳（メタデータ） (2023-09-20T04:58:59Z)
CoEdIT: Text Editing by Task-Specific Instruction Tuning [18.824571167583432]
CoEdIT (CoEdIT) は、テキスト編集システムである。所望のテキストの属性を指定するユーザから命令を受け取り、編集されたテキストを出力する。テキスト編集のためのタスク固有の命令の多種多様なコレクションに基づいて,大規模言語モデルを提案する。
論文参考訳（メタデータ） (2023-05-17T00:05:24Z)
Imagen Editor and EditBench: Advancing and Evaluating Text-Guided Image Inpainting [53.708523312636096]
本稿では,テキスト誘導画像のインペイントを微調整し,カスケード拡散モデルであるImagen Editorを提案する。編集はテキストプロンプトに忠実で、オブジェクト検出器を使用してトレーニング中に塗装マスクを提案する。質的,定量的な評価を改善するために,テキスト誘導画像の塗り絵の体系的ベンチマークであるEditBenchを導入する。
論文参考訳（メタデータ） (2022-12-13T21:25:11Z)
Improving Iterative Text Revision by Learning Where to Edit from Other Revision Tasks [11.495407637511878]
反復的テキストリビジョンは文法的誤りの修正、読みやすさの向上や文脈的適切性の向上、文書全体の文構造の再編成によってテキスト品質を改善する。近年の研究では、人間によるテキストからの反復的な修正プロセスにおいて、様々な種類の編集の理解と分類に焦点が当てられている。我々は,編集可能なスパンを対応する編集意図で明示的に検出することにより,有用な編集を反復的に生成するエンド・ツー・エンドテキスト・リビジョン・システムの構築を目指している。
論文参考訳（メタデータ） (2022-12-02T18:10:43Z)
Text Editing by Command [82.50904226312451]
ニューラルテキスト生成における一般的なパラダイムは、単一のステップでテキストを生成するワンショット生成である。この制限をユーザが既存のテキストを編集するコマンドを発行することでシステムと対話するインタラクティブテキスト生成設定で解決する。このデータセットに基づいてトレーニングされたトランスフォーマーベースモデルであるInteractive Editorは,ベースラインを上回り,自動評価と人的評価の両方において肯定的な結果が得られることを示す。
論文参考訳（メタデータ） (2020-10-24T08:00:30Z)

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。