論文の概要: Diffusion Counterfactual Generation with Semantic Abduction

• arxiv url: http://arxiv.org/abs/2506.07883v1
• Date: Mon, 09 Jun 2025 15:54:00 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-06-10 16:33:11.031478
• Title: Diffusion Counterfactual Generation with Semantic Abduction
• Title（参考訳）: セマンティックアブダクションによる拡散対物生成
• Authors: Rajat Rasal, Avinash Kori, Fabio De Sousa Ribeiro, Tian Xia, Ben Glocker,
• Abstract要約: 本稿では,意味表現を拡散モデルに統合し,反実的推論プロセスを通じて画像の編集を行うフレームワークを提案する。 我々の知る限り、拡散反事実に対する高レベルな意味的アイデンティティ保存を考えるのはこれが初めてである。
• 参考スコア（独自算出の注目度）: 19.86546340351742
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Counterfactual image generation presents significant challenges, including preserving identity, maintaining perceptual quality, and ensuring faithfulness to an underlying causal model. While existing auto-encoding frameworks admit semantic latent spaces which can be manipulated for causal control, they struggle with scalability and fidelity. Advancements in diffusion models present opportunities for improving counterfactual image editing, having demonstrated state-of-the-art visual quality, human-aligned perception and representation learning capabilities. Here, we present a suite of diffusion-based causal mechanisms, introducing the notions of spatial, semantic and dynamic abduction. We propose a general framework that integrates semantic representations into diffusion models through the lens of Pearlian causality to edit images via a counterfactual reasoning process. To our knowledge, this is the first work to consider high-level semantic identity preservation for diffusion counterfactuals and to demonstrate how semantic control enables principled trade-offs between faithful causal control and identity preservation.
• Abstract（参考訳）: 対物画像生成は、アイデンティティの保存、知覚的品質の維持、根底にある因果モデルへの忠実性の確保など、重要な課題を呈する。 既存の自動エンコーディングフレームワークは因果制御のために操作できるセマンティック潜在空間を認めているが、スケーラビリティと忠実さに苦慮している。 拡散モデルの進歩は、最先端の視覚的品質、人間に沿った知覚、表現学習能力を示す反ファクト画像編集を改善する機会を提供する。 本稿では,空間的,意味的,動的アブダクションの概念を取り入れた拡散型因果機構について述べる。 本稿では,パール因果レンズを用いて意味表現を拡散モデルに統合し,対実的推論プロセスを通じて画像の編集を行う汎用フレームワークを提案する。 我々の知る限り、これは拡散反ファクトの高レベルな意味的アイデンティティ保存を考察し、意味的制御が忠実な因果的制御とアイデンティティ保存の間の原則的トレードオフをどのように実現しているかを実証する最初の試みである。

関連論文リスト

• G4Seg: Generation for Inexact Segmentation Refinement with Diffusion Models [38.44872934965588]
  本稿では, 大規模テキスト・画像モデルを用いて不正確な拡散(IS)課題に取り組むことの問題点について考察する。 我々は,原画像とマスク条件生成画像とのパターンの相違を利用して,粗大なセグメント化改善を容易にする。
  論文  参考訳（メタデータ） (2025-06-02T11:05:28Z)
• TRACE: Trajectory-Constrained Concept Erasure in Diffusion Models [0.0]
  概念消去は、生成モデルにおいて特定の概念情報を削除または抑制することを目的としている。 Trajectory-Constrained Attentional Concept Erasure (TRACE) は拡散モデルから対象概念を消去する新しい手法である。 TRACEは最先端のパフォーマンスを実現し、ANT、EraseAnything、MACEといった最近の手法よりも、除去効率と出力品質の点で優れています。
  論文  参考訳（メタデータ） (2025-05-29T10:15:22Z)
• On the Fairness, Diversity and Reliability of Text-to-Image Generative Models [68.62012304574012]
  マルチモーダル生成モデルは 信頼性 公正性 誤用の可能性について 批判的な議論を巻き起こしました 埋め込み空間におけるグローバルおよびローカルな摂動に対する応答を解析し、モデルの信頼性を評価するための評価フレームワークを提案する。 提案手法は, 信頼できない, バイアス注入されたモデルを検出し, 組込みバイアスの証明をトレースするための基礎となる。
  論文  参考訳（メタデータ） (2024-11-21T09:46:55Z)
• Safeguard Text-to-Image Diffusion Models with Human Feedback Inversion [51.931083971448885]
  本稿では,Human Feedback Inversion (HFI) というフレームワークを提案する。 実験の結果,画像品質を維持しながら,好ましくないコンテンツ生成を著しく削減し,公的な領域におけるAIの倫理的展開に寄与することが示された。
  論文  参考訳（メタデータ） (2024-07-17T05:21:41Z)
• Bridging Generative and Discriminative Models for Unified Visual Perception with Diffusion Priors [56.82596340418697]
  本稿では,豊富な生成前駆体を含む事前学習型安定拡散(SD)モデルと,階層的表現を統合可能な統一型ヘッド(Uヘッド)と,識別前駆体を提供する適応型専門家からなる,シンプルで効果的なフレームワークを提案する。 包括的調査では、異なる時間ステップで潜伏変数に隠された知覚の粒度や様々なU-netステージなど、バーマスの潜在的な特性が明らかになった。 有望な結果は,有望な学習者としての拡散モデルの可能性を示し,情報的かつ堅牢な視覚表現の確立にその意義を定めている。
  論文  参考訳（メタデータ） (2024-01-29T10:36:57Z)
• Adv-Diffusion: Imperceptible Adversarial Face Identity Attack via Latent Diffusion Model [61.53213964333474]
  本稿では,生の画素空間ではなく,潜在空間における非知覚的対角的アイデンティティ摂動を生成できる統一的なフレームワークAdv-Diffusionを提案する。 具体的には,周囲のセマンティックな摂動を生成するために,個人性に敏感な条件付き拡散生成モデルを提案する。 設計された適応強度に基づく対向摂動アルゴリズムは、攻撃の伝達性とステルス性の両方を確保することができる。
  論文  参考訳（メタデータ） (2023-12-18T15:25:23Z)

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。